Python Scraper for Javascript？

Question

有没有人可以给我一个好的Python屏幕抓取javascript代码的库(希望有好的文档/教程)？我很想看看有哪些选择，但最容易学的是最快的结果……不知道有没有人有经验。我听说过一些关于蜘蛛猴的事情，但也许还有更好的？

具体地说，我使用BeautifulSoup和Mechanize到达这里，但需要一种方法来打开javascript弹出窗口，提交数据，并下载/解析javascript弹出窗口中的结果。

<a href="javascript:openFindItem(12510109)" onclick="s_objectID=&quot;javascript:openFindItem(12510109)_1&quot;;return this.s_oc?this.s_oc(e):true">Find Item</a>

我想用Google App engine和Django实现这一点。谢谢!

Answer 1

在这些情况下，我通常做的是自动化一个实际的浏览器，并从那里获取处理后的HTML。

编辑：

下面是一个自动化InternetExplorer的示例，它在页面加载后导航到一个网址并抓取标题和位置。

from win32com.client import Dispatch

from ctypes import Structure, pointer, windll
from ctypes import c_int, c_long, c_uint
import win32con
import pywintypes

class POINT(Structure):
    _fields_ = [('x', c_long),
                ('y', c_long)]
    def __init__( self, x=0, y=0 ):
        self.x = x
        self.y = y

class MSG(Structure):
    _fields_ = [('hwnd', c_int),
                ('message', c_uint),
                ('wParam', c_int),
                ('lParam', c_int),
                ('time', c_int),
                ('pt', POINT)]

def wait_until_ready(ie):
    pMsg = pointer(MSG())
    NULL = c_int(win32con.NULL)

    while True:

        while windll.user32.PeekMessageW(pMsg, NULL, 0, 0, win32con.PM_REMOVE) != 0:
            windll.user32.TranslateMessage(pMsg)
            windll.user32.DispatchMessageW(pMsg)

        if ie.ReadyState == 4:
            break


ie = Dispatch("InternetExplorer.Application")

ie.Visible = True

ie.Navigate("http://google.com/")

wait_until_ready(ie)

print "title:", ie.Document.Title
print "location:", ie.Document.location

Answer 2

我使用Python绑定到webkit来呈现基本的JavaScript和Chickenfoot，以便进行更高级的交互。有关详细信息，请参阅this webkit example。

Answer 3

您也可以使用名为Spynner的“编程性web浏览器”。我发现这是最好的解决方案。相对容易使用。