时间戳

首页 > 解决方案 > 使用 Selenium 和 Python 抓取晨星网站。Selenium 不会下载完整的网页

python - 使用 Selenium 和 Python 抓取晨星网站。Selenium 不会下载完整的网页

问题描述

这是我的代码：

from selenium import webdriver
import pandas as pd
from lxml import etree

url = 'https://www.morningstar.com/stocks/xbsp/UGPA3/quote'
browser = webdriver.Chrome()
browser.get(url)
htmlpage = browser.page_source

doc = etree.HTML(htmlpage)
cap = doc.xpath(
    '/html/body/div[1]/div/div/div[3]/main/div[2]/div/div/div[1]/sal-components/section/div/div/div[1]/div/div[2]/div/div/div/div[2]/ul/li[7]/div/div[2]/text()')

print(cap)

我正在尝试从网页上抓取市值。

在将 htmlpage 变量写入文件后，我发现问题在于它没有下载整个页面。它下载了 2228 KB，而我的浏览器下载了 2664 KB 的 .html 文件和一个不必要的文件夹。如果我用浏览器手动保存页面并将其内容用作 etree.HTML() 的输入，它可以工作，但我想自动化。

标签： pythonseleniumxpathweb-scrapingmorningstar

解决方案

尝试这个

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

    CHROME_DRIVER_PATH = "/usr/local/bin/chromedriver"

    url = 'https://www.morningstar.com/stocks/xbsp/UGPA3/quote'
    browser = webdriver.Chrome(executable_path=CHROME_DRIVER_PATH)

    browser.get(url)

    time.sleep(2)

    # get cap  value from page source and wait for element is present
    cap = WebDriverWait(browser, 10).until(
        EC.element_to_be_clickable((By.XPATH,
                                    '//*[@id="__layout"]/div/div[3]/main/div[2]/div/div/div[1]/sal-components/section/div/div/div[1]/div/div[2]/div/div/div/div[2]/ul/li[7]/div/div[2]')))
    cap_value = cap.text
    print(cap_value)

推荐阅读