使用 Mechanize Python 隐藏 HTML 个元素

Question

所以我正在编写一个 Python 脚本来检查 Blackboard（学校界面站点）的更新。但是我从我的脚本收到的 HTML 与在我的浏览器中查看时的 HTML 并不完全相同。我不确定这是 cookie 问题还是我遗漏了什么。

USERNAME = ''
PASSWORD = ''

updates = 0  
site = 'http://schoolsite.edu'

browser = mechanize.Browser()
browser.open(site)
browser.select_form(nr = 0)
browser.form['j_username'] = USERNAME
browser.form['j_password'] = PASSWORD
browser.submit()

#it brings back an empty form, just submit it.
browser.select_form(nr = 0)
browser.submit()

html_resp = browser.response().read()

有问题的 HTML 看起来像这样（这是来自脚本）

<span id="badgeTotal" style="visibility: hidden" title="">
<span class="hideoff" id="badgeAXLabel">Activity Updates</span>
<span class="badge" id="badgeTotalCount" title=""></span>

我期待的样子（来自 Chrome/actual 浏览器）

<span id="badgeTotal" style="visibility: visible;" title="">
<span class="hideoff" id="badgeAXLabel">Activity Updates</span>
<span class="badge" id="badgeTotalCount" title="">1</span>

我真正想要的是最后一行中的数字“1”，但我觉得可见性属性阻碍了它。请注意，我从 Mechanize 获得的 cookie 与我在浏览器中获得的 cookie 相同。（不完全相同，但 ID、名称等相同）

有什么想法吗？

欢迎任何意见。

Answer 1

很确定有 javascript 涉及 which mechanize cannot handle.

此处的另一种解决方案是通过 selenium:

使真实浏览器自动化

from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

driver = webdriver.Firefox()  # could also be headless: webdriver.PhantomJS()
driver.get('http://schoolsite.edu')

# submit a login form
username = driver.find_element_by_name('j_username')
password = driver.find_element_by_name('j_password')

username.send_keys(USERNAME)
password.send_keys(PASSWORD)

username.submit()

# wait for the badge count to appear
badge_count = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "badgeTotalCount")))

print(badge_count.text)

使用 Mechanize Python 隐藏 HTML 个元素

Hidden HTML elements using Mechanize Python

html

python

hidden

mechanize

web-scraping