python - 使用 requests_html 时无法按预期提取结果

Question

我无法使用 requests_html 提取正确的结果:

>>> from requests_html import HTMLSession
>>> session = HTMLSession()
>>> r = session.get('https://www.amazon.com/dp/B07569DYGN')
>>> r.html.find("#productDetails_detailBullets_sections1")
[]

我可以在源内容中找到 id 'productDetails_detailBullets_sections1':

>>> """<table id="productDetails_detailBullets_sections1" class="a-keyvalue prodDetTable" role="presentation">""" in r.text
True

其实PyQuery中同样存在这个问题。

为什么 requests_html 找不到这个元素？

Answer 1

我正在搜索 #comparison_price_row，它仍然找到了一些东西。源代码中的下一个 ID 是 comparison_shipping_info_row，但搜索 #comparison_shipping_info_row 会返回一个空数组。这两个元素处于同一级别(同一父元素)。我检查了两者之间的所有来源，但没有发现问题。

起初。

然后我看到两者之间有一个 NUL 字节，这可能会使库出错。

从输入中删除 NUL 字节后，可以找到想要的元素:

r2 = requests_html.HTML(html=r.text.replace('\0', ''))
r2.find('#productDetails_detailBullets_sections1')

[<Element 'table' role='presentation' class=('a-keyvalue', 'prodDetTable') id='productDetails_detailBullets_sections1'>]