- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 Scrapy 抓取网站,我需要抓取的其中一个链接似乎是由页面中的一小段 Javascript 代码生成的,如下所示:
<!--
var prefix = 'mailto:';
var suffix = '';
var attribs = '';
var path = 'hr' + 'ef' + '=';
var addy59933 = 'HR-Cologne' + '@';
addy59933 = addy59933 + 'scor' + '.' + 'com';
var addy_text59933 = 'Submit your application';
document.write( '<a ' + path + '\'' + prefix + addy59933 + suffix + '\'' + attribs + '>' );
document.write( addy_text59933 );
document.write( '<\/a>' );
//-->
除非您从浏览器查看该页面,否则该链接不会显示,但无论如何我都需要我的蜘蛛能够抓取它。由于代码嵌入在页面中,我想从那里获取然后重新组合链接 url,但文本的格式我不熟悉。
有更好的方法吗?
编辑:刚刚发现那些是 HTML 字符实体。我仍然想知道是否有更好的方法来克服这种混淆。
最佳答案
这是一个使用 js2xml 的解决方案:
>>> import js2xml
>>> import pprint
>>> jscode = r"""
... var prefix = 'mailto:';
... var suffix = '';
... var attribs = '';
... var path = 'hr' + 'ef' + '=';
... var addy59933 = 'HR-Cologne' + '@';
... addy59933 = addy59933 + 'scor' + '.' + 'com';
... var addy_text59933 = 'Submit your application';
... document.write( '<a ' + path + '\'' + prefix + addy59933 + suffix + '\'' + attribs + '>' );
... document.write( addy_text59933 );
... document.write( '<\/a>' );
>>> js = js2xml.parse(jscode)
变量声明由var_decl
元素表示,它们的名称在identifier
节点中,它们的值在这里是字符串,带有+
运算符,所以让我们在 string/text()
元素上使用 "".join()
从它们中创建一个 dict
:
>>> # variables
... variables = dict([(var.xpath('string(./identifier)'), u"".join(var.xpath('.//string/text()')))
... for var in js.xpath('.//var_decl')])
>>> pprint.pprint(variables)
{'addy59933': u'HR-Cologne@',
'addy_text59933': u'Submit your application',
'attribs': u'',
'path': u'href=',
'prefix': u'mailto:',
'suffix': u''}
然后赋值改变一些变量的值,混合使用字符串和变量。连接变量标识符的 %(identifidername)s
和字符串的字符串值
>>> # identifiers are assigned other string values
... assigns = {}
>>> for assign in js.xpath('.//assign'):
... value = u"".join(['%%(%s)s' % el.text if el.tag=='identifier' else el.text
... for el in assign.xpath('./right//*[self::string or self::identifier]')])
... key = assign.xpath('string(left/identifier)')
... assigns[key] = value
...
>>> pprint.pprint(assigns)
{'addy59933': u'%(addy59933)sscor.com'}
“应用”赋值更新变量字典
>>> # update variables dict with new values
... for key, val in assigns.items():
... variables[key] = val % variables
...
>>> pprint.pprint(variables)
{'addy59933': u'HR-Cologne@scor.com',
'addy_text59933': u'Submit your application',
'attribs': u'',
'path': u'href=',
'prefix': u'mailto:',
'suffix': u''}
>>>
函数参数在arguments
节点下(XPath .//arguments/*
):
>>> # interpret arguments of document.write()
... arguments = [u"".join(['%%(%s)s' % el.text if el.tag=='identifier' else el.text
... for el in arg.xpath('./descendant-or-self::*[self::string or self::identifier]')])
... for arg in js.xpath('.//arguments/*')]
>>>
>>> pprint.pprint(arguments)
[u"<a %(path)s'%(prefix)s%(addy59933)s%(suffix)s'%(attribs)s>",
u'%(addy_text59933)s',
u'</a>']
>>>
如果你替换那里的标识符,你会得到
>>> # apply string formatting replacing identifiers
... arguments = [arg % variables for arg in arguments]
>>>
>>> pprint.pprint(arguments)
[u"<a href='mailto:HR-Cologne@scor.com'>",
u'Submit your application',
u'</a>']
>>>
现在看起来很有趣,让我们通过 lxml.html
运行它以摆脱数字字符引用:
>>> import lxml.html
>>> import lxml.etree
>>>
>>> doc = lxml.html.fromstring("".join(arguments))
>>> print lxml.etree.tostring(doc)
<a href="mailto:HR-Cologne@scor.com">Submit your application</a>
>>>
使用 Scrapy 选择器
:
>>> from scrapy.selector import Selector
>>> selector = Selector(text="".join(arguments), type="html")
>>> selector.xpath('.//a/@href').extract()
[u'mailto:HR-Cologne@scor.com']
>>>
关于python-2.7 - 抓取由javascript生成的链接,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23771983/
我有一个 html 格式的表单: 我需要得到 JavaScript在value input 字段执行,但只能通过表单的 submit .原因是页面是一个模板所以我不控制它(不能有
我管理的论坛是托管软件,因此我无法访问源代码,我只能向页面添加 JavaScript 来实现我需要完成的任务。 我正在尝试用超链接替换所有页面上某些文本关键字的第一个实例。我还根据国家/地区代码对这些
我正在使用 JS 打开新页面并将 HTML 代码写入其中,但是当我尝试使用 document.write() 在新页面中编写 JS 时功能不起作用。显然,一旦看到 ,主 JS 就会关闭。用于即将打开的
提问不是为了解决问题,提问是为了更好地理解系统 专家!我知道每当你将 javascript 代码输入 javascript 引擎时,它会立即由 javascript 引擎执行。由于没有看过Engi
我在一个文件夹中有两个 javascript 文件。我想将一个变量的 javascript 文件传递到另一个。我应该使用什么程序? 最佳答案 window.postMessage用于跨文档消息。使
我有一个练习,我需要输入两个输入并检查它们是否都等于一个。 如果是 console.log 正则 console.log false 我试过这样的事情: function isPositive(fir
我正在做一个Web应用程序,计划允许其他网站(客户端)在其页面上嵌入以下javascript: 我的网络应用程序位于 http://example.org 。 我不能假设客户端网站的页面有 JQue
目前我正在使用三个外部 JS 文件。 我喜欢将所有三个 JS 文件合而为一。 尽一切可能。我创建 aio.js 并在 aio.js 中 src="https://code.jquery.com/
我有例如像这样的数组: var myArray = []; var item1 = { start: '08:00', end: '09:30' } var item2 = {
所以我正在制作一个 Chrome 扩展,它使用我制作的一些 TamperMonkey 脚本。我想要一个“主”javascript 文件,您可以在其中包含并执行其他脚本。我很擅长使用以下行将其他 jav
我有 A、B html 和 A、B javascript 文件。 并且,如何将 A JavaScript 中使用的全局变量直接移动到 B JavaScript 中? 示例 JavaScript) va
我需要将以下整个代码放入名为 activate.js 的 JavaScript 中。你能告诉我怎么做吗? var int = new int({ seconds: 30, mark
我已经为我的 .net Web 应用程序创建了母版页 EXAMPLE1.Master。他们的 I 将值存储在 JavaScript 变量中。我想在另一个 JS 文件中检索该变量。 示例1.大师:-
是否有任何库可以用来转换这样的代码: function () { var a = 1; } 像这样的代码: function () { var a = 1; } 在我的浏览器中。因为我在 Gi
我收到语法缺失 ) 错误 $(document).ready(function changeText() { var p = document.getElementById('bidp
我正在制作进度条。它有一个标签。我想调整某个脚本完成的标签。在找到可能的解决方案的一些答案后,我想出了以下脚本。第一个启动并按预期工作。然而,第二个却没有。它出什么问题了?代码如下: HTML:
这里有一个很简单的问题,我简单的头脑无法回答:为什么我在外部库中加载时,下面的匿名和onload函数没有运行?我错过了一些非常非常基本的东西。 Library.js 只有一行:console.log(
我知道 javascript 是一种客户端语言,但如果实际代码中嵌入的 javascript 代码以某种方式与在控制台上运行的代码不同,我会尝试找到答案。让我用一个例子来解释它: 我想创建一个像 Mi
我如何将这个内联 javascript 更改为 Unobtrusive JavaScript? 谢谢! 感谢您的回答,但它不起作用。我的代码是: PHP js文件 document.getElem
我正在寻找将简单的 JavaScript 对象“转储”到动态生成的 JavaScript 源代码中的最优雅的方法。 目的:假设我们有 node.js 服务器生成 HTML。我们在服务器端有一个对象x。
我是一名优秀的程序员,十分优秀!