Ⅰ python获取网页源码问题，怎么都获取不到

有的网站有流量控制，获取不到很正常。
建议两次获取之间设定一个时间间隔，比如sleep 10秒，会好一些。

Ⅱ python如何抓取网页源代码中的字符串

使用正则匹配，列：

importrequests
importre

req=requests.get(url)
r=re.findall('<scriptsrc="(.*?)"></script>',req.text)#(.*?)非贪婪匹配
print(r)

自己网上找找python正则方面的知识

Ⅲ 如何便携python获取页面内嵌框架中的源代码

维普的网站很复杂，函数嵌套了很多层的，估计很难找到，而且进行了加密，我们用iRMS抓取页面信息时，还是得先把所有页面保存到本地，再进行抓取的

Ⅳ python爬虫怎么获取动态的网页源码

一个月前实习导师布置任务说通过网络爬虫获取深圳市气象局发布的降雨数据，网页如下：

心想，爬虫不太难的，当年跟zjb爬煎蛋网无（mei）聊（zi）图的时候，多么清高。由于接受任务后的一个月考试加作业一大堆，导师也不催，自己也不急。

但是，导师等我一个月都得让我来写意味着这东西得有多难吧。。。今天打开一看的确是这样。网站是基于Ajax写的，数据动态获取，所以无法通过下载源代码然后解析获得。

从某不良少年写的抓取淘宝mm的例子中收到启发，对于这样的情况，一般可以同构自己搭建浏览器实现。phantomJs，CasperJS都是不错的选择。

导师的要求是获取过去一年内深圳每个区每个站点每小时的降雨量，执行该操作需要通过如上图中的历史查询实现，即通过一个时间来查询，而这个时间存放在一个hidden类型的input标签里，当然可以通过js语句将其改为text类型，然后执行send_keys之类的操作。然而，我失败了。时间可以修改设置，可是结果如下图。

为此，仅抓取实时数据。选取python的selenium，模拟搭建浏览器，模拟人为的点击等操作实现数据生成和获取。selenium的一大优点就是能获取网页渲染后的源代码，即执行操作后的源代码。普通的通过 url解析网页的方式只能获取给定的数据，不能实现与用户之间的交互。selenium通过获取渲染后的网页源码，并通过丰富的查找工具，个人认为最好用的就是find_element_by_xpath("xxx")，通过该方式查找到元素后可执行点击、输入等事件，进而向服务器发出请求，获取所需的数据。

[python]view plain

  • #coding=utf-8

  • fromtestStringimport*

  • fromseleniumimportwebdriver

  • importstring

  • importos

  • fromselenium.webdriver.common.keysimportKeys

  • importtime

  • importsys

  • default_encoding='utf-8'

  • ifsys.getdefaultencoding()!=default_encoding:

  • reload(sys)

  • sys.setdefaultencoding(default_encoding)

  • district_navs=['nav2','nav1','nav3','nav4','nav5','nav6','nav7','nav8','nav9','nav10']

  • district_names=['福田区','罗湖区','南山区','盐田区','宝安区','龙岗区','光明新区','坪山新区','龙华新区','大鹏新区']

  • flag=1

  • while(flag>0):

  • driver=webdriver.Chrome()

  • driver.get("hianCe/")

  • #选择降雨量

  • driver.find_element_by_xpath("//span[@id='fenqu_H24R']").click()

  • filename=time.strftime("%Y%m%d%H%M",time.localtime(time.time()))+'.txt'

  • #创建文件

  • output_file=open(filename,'w')

  • #选择行政区

  • foriinrange(len(district_navs)):

  • driver.find_element_by_xpath("//div[@id='"+district_navs[i]+"']").click()

  • #printdriver.page_source

  • timeElem=driver.find_element_by_id("time_shikuang")

  • #输出时间和站点名

  • output_file.write(timeElem.text+',')

  • output_file.write(district_names[i]+',')

  • elems=driver.find_elements_by_xpath("//span[@onmouseover='javscript:changeTextOver(this)']")

  • #输出每个站点的数据，格式为：站点名，一小时降雨量，当日累积降雨量

  • foreleminelems:

  • output_file.write(AMonitorRecord(elem.get_attribute("title"))+',')

  • output_file.write(' ')

  • output_file.close()

  • driver.close()

  • time.sleep(3600)

  • 文件中引用的文件testString只是修改输出格式，提取有效数据。

    • [python]view plain

  • #Encoding=utf-8

  • defOnlyCharNum(s,oth=''):

  • s2=s.lower()

  • fomart=',.'

  • forcins2:

  • ifnotcinfomart:

  • s=s.replace(c,'')

  • returns

  • defAMonitorRecord(str):

  • str=str.split(":")

  • returnstr[0]+","+OnlyCharNum(str[1])


  • 一小时抓取一次数据，结果如下：

Ⅳ 如何用python提取网页中框架的源代码

简单的做个例子，框架路径可以自己修改，调用像网络等网站时无法读取其中源码，涉及到一些安全问题，所以路径要求是合法的允许访问的路径 function GetFrameInnerHtml(objIFrame) { var iFrameHTML = ""; if (objIFrame.contentDocument) { //针...

Ⅵ 用Python怎么得到网页中iframe的源代码

想得到网易云音乐 听见好时光中的专辑信息（歌名及歌曲编号），但使用urllib2时urlopen出来的源代码为网页源代码，而专辑信息是在iframe中的，无法在网页源代码中得到。
请问要怎么获取iframe的源代码，或者怎么直接获取到专辑的信息
from selenium import webdriverbrowser = webdriver.Chrome()browser.get("om/#/album?id=145852")browser.switch_to_frame('g_iframe')print('专辑名字：', browser.find_element_by_class_name('f-ff2').text)for each in browser.find_elements_by_css_selector('a[href^=\/song]'):
print("歌曲名字：",each.text)

输出：

专辑名字： Better Than a Fairy Tale
歌曲名字： Messenger
歌曲名字： Way of the World
歌曲名字： Princess
歌曲名字： Smiling Down On Me
歌曲名字： Evergreen
歌曲名字： Never Never Land
歌曲名字： Better Than a Fairy Tale

Ⅶ 新手python抓取网页源码处理

先用id定位，定位到了在用getatribute来获取value

Ⅷ PYTHON获取网页源码乱码，怎么办

text 是系统自行解码，部分网页会不对。

content指定解码，你的网页是utf-8的，对应解码就可以了

Ⅸ 求教：python 获取的网页源代码与原网页不同

没有诺说的问题