javascript - 如何解析 anchor 标记中的文本？

Question

我想解析这个“<a href="javascript:8==99999?popDuelloDialog(2754288):popTeam(2386)">Gnistan</a> ”并提取文本。

我尝试提取很多内容，但未能成功。

我不知道如何构建这种格式的方法“javascript comes”:(numbers) "不重复。所以我需要这样一种方法，仅使用重复部分并提取正文中的文本。

我的代码在这里:

import sys
from PyQt4.QtGui import QApplication
from PyQt4.QtCore import QUrl
from PyQt4.QtWebKit import QWebPage
import bs4 as bs
import urllib.request
import re
from bs4 import BeautifulSoup

class Client(QWebPage):

    def __init__(self, url):
        self.app = QApplication(sys.argv)
        QWebPage.__init__(self)
        self.loadFinished.connect(self.on_page_load)
        self.mainFrame().load(QUrl(url))
        self.app.exec_()

    def on_page_load(self):
        self.app.quit()

url = 'http://www.mackolik.com/Genis-Iddaa-Programi'
client_response = Client(url)
source = client_response.mainFrame().toHtml()
soup = bs.BeautifulSoup(source, 'html.parser')
#pattern=re.compile(r"javascript:;")
#js_test = soup.find_all('a', href='javascript')
hreff=soup.find_all("a","javascript:;")
#js_test=soup.select('a[href^="javascript:\('(.*?)'\);"]')
#print(js_test.text)
#type(href)
for i in hreff:
    print(hreff[i])

Answer 1

IIUC 您所需要的只是使 BeautifulSoup 获取其 href 属性中具有 "javascript" 的所有 anchor 标记。然而，您想要解析的内容似乎是使用 JavaScript 创建的，这需要使用 selenium 和像 ChromeDriver 这样的网络驱动程序。使用BeautifulSoup和requests我们可以看到你可能想要的内容不在html代码中，解决你的问题的逻辑是这样的:

from bs4 import BeautifulSoup
import requests
url = "http://www.mackolik.com/Genis-Iddaa-Programi"
data = requests.get(url).text
soup = BeautifulSoup(data, 'html.parser')

for tag in soup.findAll('a'):
    if "javascript" in tag['href']:
        print(tag.text)

上面的代码检查子字符串 "javascript" 是否在 href 属性中 并打印标记的如果为真，则显示文本。

对于 selenium 和 ChromeDriver，逻辑几乎相同，但我们需要其他方法:

from selenium import webdriver

url = "http://www.mackolik.com/Genis-Iddaa-Programi"
driver = webdriver.Chrome()
driver.get(url)

for tag in driver.find_elements_by_tag_name("a"):
    if "javascript" in tag.get_attribute("href"):
        print(tag.text)