本文旨在指导初学者使用 Selenium 和 Python 抓取网页中点击按钮后更新的 HTML 代码。通过示例代码演示如何定位按钮并模拟点击，以及如何获取每次点击后的完整页面源代码。我们将重点介绍如何通过文本定位元素，并处理页面跳转的情况，确保能够完整抓取每次点击后的页面数据。
使用 Selenium 抓取动态网页 HTML 代码
在Web数据抓取中，经常会遇到需要与网页进行交互的情况，例如点击按钮后页面内容才会更新。Selenium 结合 Python 提供了一种强大的解决方案，可以模拟用户行为，抓取动态生成的 HTML 代码。
定位和点击按钮
首先，我们需要使用 Selenium 定位到需要点击的按钮。 推荐使用按钮上的文本内容进行定位，因为文本通常比 XPath 更稳定。
以下代码演示了如何使用按钮文本定位元素并进行点击：
立即学习“Python免费学习笔记（深入）”；
from selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.firefox.options import Optionsfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECoptions = Options()options.headless = True # 设置为无头模式，不在图形界面中显示浏览器# options.binary_location = r'/bin/firefox' # 如果 Firefox 的二进制文件不在默认路径，需要指定driver = webdriver.Firefox(options=options)driver.set_window_size(1920, 1080) #设置窗口大小，方便调试driver.get('https://blabla.bla') # 替换为你的目标网页all_htmls = []# 定义一个函数，用于点击按钮并获取 HTML 代码def click_button_and_get_html(button_text): try: # 使用 WebDriverWait 确保元素加载完成 button = WebDriverWait(driver, 10).until( EC.element_to_be_clickable((By.LINK_TEXT, button_text)) ) button.click() # 获取点击后的 HTML 代码 html_code = driver.page_source all_htmls.append(html_code) print(f"Successfully clicked button '{button_text}' and captured HTML.") except Exception as e: print(f"Error clicking button '{button_text}': {e}")# 依次点击按钮并获取 HTML 代码click_button_and_get_html("Banana")click_button_and_get_html("Apple")click_button_and_get_html("Orange")# 打印所有获取到的 HTML 代码数量print(f"Total HTMLs captured: {len(all_htmls)}")driver.quit() #关闭浏览器
代码解释：
导入必要的库： 导入 selenium 相关模块，包括 webdriver、By（用于元素定位）、Options（用于配置浏览器选项）和 WebDriverWait (显式等待)配置浏览器选项： 设置 headless 为 True 可以在后台运行浏览器，无需显示界面。创建 WebDriver 实例： 创建 Firefox 的 WebDriver 实例，并传入配置选项。打开网页： 使用 driver.get() 方法打开目标网页。定义 click_button_and_get_html 函数：使用 WebDriverWait 和 EC.element_to_be_clickable 确保按钮可以点击。使用 By.LINK_TEXT 通过链接文本定位按钮。点击按钮后，使用 driver.page_source 获取当前页面的 HTML 代码。将获取到的 HTML 代码添加到 all_htmls 列表中。依次点击按钮： 调用 click_button_and_get_html 函数，依次点击 “Banana”、”Apple” 和 “Orange” 按钮，并获取每次点击后的 HTML 代码。打印结果： 打印 all_htmls 列表中 HTML 代码的数量。关闭浏览器： 使用 driver.quit() 方法关闭浏览器，释放资源。
注意事项：
显式等待: 使用 WebDriverWait 和 expected_conditions 可以确保在元素加载完成后再进行操作，避免因元素未加载完成而导致的错误。 EC.element_to_be_clickable 用于等待元素可点击。错误处理: 在 click_button_and_get_html 函数中使用 try…except 块捕获异常，可以防止程序因某个按钮点击失败而崩溃。浏览器驱动: 确保已安装与你的浏览器版本匹配的 WebDriver，并将其添加到系统环境变量 PATH 中，或者在代码中指定 WebDriver 的路径。页面跳转: 如果点击按钮会导致页面跳转到不同的 URL，需要在每次点击后使用 driver.back() 返回到原始页面，才能继续点击其他按钮。元素定位: 如果按钮文本不唯一，可以考虑使用其他定位方式，例如 By.XPATH、By.CSS_SELECTOR 等。
处理页面跳转
如果点击按钮后页面会跳转到新的 URL，需要在获取 HTML 代码后返回到原始页面，才能继续点击其他按钮。
以下代码演示了如何处理页面跳转的情况：
from selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.firefox.options import Optionsfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECoptions = Options()options.headless = Truedriver = webdriver.Firefox(options=options)driver.set_window_size(1920, 1080)driver.get('https://blabla.bla')all_htmls = []def click_button_and_get_html(button_text): try: button = WebDriverWait(driver, 10).until( EC.element_to_be_clickable((By.LINK_TEXT, button_text)) ) button.click() # 获取点击后的 HTML 代码 html_code = driver.page_source all_htmls.append(html_code) print(f"Successfully clicked button '{button_text}' and captured HTML.") # 返回到原始页面 driver.back() # 重新加载原始页面，避免 stale element reference exception driver.get('https://blabla.bla') except Exception as e: print(f"Error clicking button '{button_text}': {e}")click_button_and_get_html("Banana")click_button_and_get_html("Apple")click_button_and_get_html("Orange")print(f"Total HTMLs captured: {len(all_htmls)}")driver.quit()
代码解释：
在 click_button_and_get_html 函数中，点击按钮后，使用 driver.back() 方法返回到原始页面。使用driver.get(‘https://blabla.bla’)重新加载原始页面，避免stale element reference exception。
总结：
本文介绍了如何使用 Selenium 和 Python 抓取点击按钮后更新的 HTML 代码。 重点介绍了如何通过文本定位元素、使用显式等待确保元素加载完成，以及如何处理页面跳转的情况。 通过这些技巧，可以更有效地抓取动态网页的数据。记住要根据实际情况调整代码，例如修改元素定位方式、调整等待时间等。
以上就是使用 Selenium 和 Python 抓取点击按钮后网页的 HTML 代码的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1590030.html
微信扫一扫 
支付宝扫一扫 
