python - 新手 : How to overcome Javascript "onclick" button to scrape web page?

Question

这是我要抓取的链接: http://www.prudential.com.hk/PruServlet?module=fund&purpose=searchHistFund&fundCd=MMFU_U

“英文版”选项卡位于右上角，以显示网页的英文版。

为了阅读网页上的资金信息，我必须按下一个按钮。如果不是， View 将被阻止，并且使用 scrapy shell 总是结果为空 []。

<div onclick="AgreeClick()" style="width:200px; padding:8px; border:1px black solid; 
background-color:#cccccc; cursor:pointer;">Confirmed</div>

而AgreeClick的功能是:

function AgreeClick() {
var cookieKey = "ListFundShowDisclaimer";
SetCookie(cookieKey, "true", null);
Get("disclaimerDiv").style.display = "none";
Get("blankDiv").style.display = "none";
Get("screenDiv").style.display = "none";
//Get("contentTable").style.display = "block";
ShowDropDown(); 

如何克服这个 onclick="AgreeClick()"函数来抓取网页？

Answer 1

您不能只单击 scrapy 中的链接(请参阅 Click a Button in Scrapy)。

首先，检查您需要的数据是否已经存在 - 在 html 中(它在后台 - 所以它就在那里)。

另一个选项是 selenium :

from selenium import webdriver
import time

browser = webdriver.Firefox()
browser.get("http://www.prudential.com.hk/PruServlet?module=fund&purpose=searchHistFund&fundCd=MMFU_U")

elem = browser.find_element_by_xpath('//*[@id="disclaimer"]/div/div')
elem.click()
time.sleep(0.2)

elem = browser.find_element_by_xpath("//*")
print elem.get_attribute("outerHTML")

另一种选择是使用 mechanize .它不能执行 js 代码，但是，根据源代码，AgreeClick 只是将 cookie ListFundShowDisclaimer 设置为 true。这是一个起点(不确定它是否有效):

import cookielib
import mechanize

br = mechanize.Browser()

cj = cookielib.CookieJar()
ck = cookielib.Cookie(version=0, name='ListFundShowDisclaimer', value='true', port=None, port_specified=False,
                      domain='www.prudential.com.hk', domain_specified=False, domain_initial_dot=False, path='/',
                      path_specified=True, secure=False, expires=None, discard=True, comment=None, comment_url=None,
                      rest={'HttpOnly': None}, rfc2109=False)
cj.set_cookie(ck)
br.set_cookiejar(cj)

br.open("http://www.prudential.com.hk/PruServlet?module=fund&purpose=searchHistFund&fundCd=MMFU_U")
print br.response().read()

然后，您可以使用 BeautifulSoup 或您喜欢的任何方式解析结果。