1

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?

4

1 に答える 1

1

このページでは、js を使用してコンテンツを動的に読み込みます。機械化は単にそれを処理できません。ここには 2 つのオプションがあります。

  • スクリプトでこれらの js 呼び出しを手動でシミュレートしてみてください
  • Seleniumなどのブラウザ内ツールに切り替える

を使用した同じサンプルを次に示しますselenium。

import selenium.webdriver as webdriver

url = "http://www.youtube.com/watch?v=OuSdU8tbcHY"

driver = webdriver.Firefox()
driver.get(url)

embed = driver.find_elements_by_tag_name('embed')[0]

print embed

それが役立つことを願っています。

于 2013-08-22T15:00:23.323 に答える