YouTubeページを読み込んで、次のように<embed>
要素を取得しようとしています。ただし、embed 要素が見つかりません ( をsoup.find('embed')
返しますNone
)。
import urllib
import urllib2
from bs4 import BeautifulSoup
import mechanize
YT_URL = 'http://www.youtube.com/watch'
vidId = 'OuSdU8tbcHY'
br = mechanize.Browser()
# Browser options
br.set_handle_equiv(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)
# Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)
# User-Agent (this is cheating, ok?)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
br.open('%s?v=%s' % (YT_URL, vidId))
soup = BeautifulSoup(br.response().read())
print soup.find('embed')
ただし、スープをhtmlファイルに書き込んでブラウザにロードすると、<embed>
要素がロードされます。おそらくこれは、ブラウザが機械化と何らかのdocument.onload()
魔法とは異なることに関係しているのでしょうか?
<embed>
要素を表示できるように、ブラウザがページをロードする様子をシミュレートするにはどうすればよいですか?