selenium获取全部页面的html |
您所在的位置:网站首页 › 如何爬取整个网站 › selenium获取全部页面的html |
获取 html
执行js得到整个HTML,这里得到的是纯html文件 html = driver.execute_script("return document.documentElement.outerHTML") 获取完整的网页信息一般一个网页会包括 html、js、css 图片、Flash动画等文件,我们可以通过右键另存为的方式将网页保存下来 保存下来的文件一般是一个 html 文件和一个资源的文件夹,文件夹内包括了css、js、图片等资源文件。 selenium+pywin32实现网页另存为 from selenium import webdriver import time import win32api import win32con driver = webdriver.Chrome() driver.get("url") win32api.keybd_event(17, 0, 0, 0) # 按下ctrl win32api.keybd_event(65, 0, 0, 0) # 按下a win32api.keybd_event(65, 0, win32con.KEYEVENTF_KEYUP, 0) # 释放a win32api.keybd_event(83, 0, 0, 0) # 按下s win32api.keybd_event(83, 0, win32con.KEYEVENTF_KEYUP, 0) # 释放s # win32api.keybd_event(17, 0, win32con.KEYEVENTF_KEYUP, 0) # 释放ctrl win32api.keybd_event(13, 0, 0, 0) # 按下enter win32api.keybd_event(13, 0, win32con.KEYEVENTF_KEYUP, 0) # 释放enter # 预估下载时间,后期根据实际网速调整 time.sleep(5) mhtmlmhtml 是一种单一档案网页或网页封存档案,将一个多附件网页(如包含大量图片、Flash动画、Java小程序的网页)储存为单一档案,这种格式有时被简称为MHT。 将网页存储为mhtml文件可以使用 word 进行编辑,将资源文件和html文件整合在一起查看也比较方便 有一些浏览器不支持保存成mhtml文件,具体要看每个浏览器的设置。下面是以chrome浏览器为例: from selenium import webdriver options = webdriver.ChromeOptions() options.add_argument('--save-page-as-mhtml') driver = webdriver.Chrome(chrome_options=options) driver.get("url") data = driver.execute_cdp_cmd('Page.captureSnapshot', {}).get('data') with open(path, 'w+',newline='') as f: f.write(data) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |