Selenium使用什么Python库来构造元素的".text“属性？
我有一个使用Selenium-python的web抓取代码，我意识到我不需要运行任何javascript，所以为了提高效率，我将其“翻译”成urllib.requests和BeautifulSoup。我尝试在读取表时模仿selenium的".text“属性所做的工作。BeautifulSoup似乎没有这么简单的读表方法。当我试图在Selenium模块中搜索".text“属性是如何编码的时，我想我不知道如何查找这样的信息。有没有人能帮我弄清楚这个信息。在哪里解释了如何从html中检索这个属性？
Example_url = "http://www4.tjrj.jus.br/consultaProcessoWebV2/consultaMov.do?v=2&numProcesso=2008.001.000272-2&acessoIP=internet&tipoUsuario="当我尝试使用Selenium时：
driver.get(Example_url)
driver.find_element_by_xpath('//*[@id="content"]/form/table/tbody').text我得到了想要的结果(示例)
\n\n进程No 0000184-70.2008.8.19.0001\n2008.001.000272-2\n TJ/RJ - 16/11/2018 06:50:45\n ARQUIVADO em DEFINITIVO -MA Vara N: 1706，EM 02/07/2012\n Comarca da Capital 11ªVara罪犯\n nCartório da 11ªVara\n Endereço: Av。Erasmo Braga 115 L II sala 504 \n nBairro:Centro\n nCidade:里约热内卢\nício de Registro: 3ºOfício de Registro de Distribuição\n nAssunto: Furto (Art.155- CP) C/C犯罪Tentado，II\n类: Ação A Procedimento OrdináRio \n Autor MINISTERIO do ESTADO do RIO de JANEIRO\n Listar alteraçóes de personagens\n Advogado(s)：TJ000002 -防卫方PéBLICO\n Tipo do movimento: arquivamento\n nData DE arquivamento: 02/07/2012\n Tipo de arquivamento: definitivo\nMaço recebido pelo DO Arquivo em: 09/07/2012\n nLocal de arquivamento: arquivo Geral -里约热内卢\n Tipo DO Movimento: Revogação da Suspensão do Processo (Art. 89 da Lei 9099)\n数据电影: 01/07/2012\n Tipo do Movimento: Ato Ordinatório Praticado\n数据:06/02/2012\n描述: Ag。baixa的探险队。Ofício eletrénico n: 206539271 A0 3: ORD em 14/02/2012，devidamente cumprido em 18/06/2012。Processo Para arquivar。\n Tipo do Movimento: Ato Ordinatório Praticado\n nData: 17/01/2012\n nDescrição: devolvido da digitação\n Tipo do Movimento: Digitação de Documentos\n nData da digitação: 17/01/2012\n Tipo do Movimento: Ato Ordinatório Praticado\n nData:06/01/2012\n nDescrição: Ato Ordinatório Praticado\n nData: 06/01/2012\nDescrição: Certifico a R.senençes de fls。111/112，transitou em julgado para as partes em 04/11/2011.“...(继续..)
回答 2
Stack Overflow用户
发布于 2018-12-07 02:33:58
假设javascript不需要运行。我会在你指定的时间内测试。
我可能会先试着用熊猫取回桌子
import pandas as pd
result = pd.read_html("http://www4.tjrj.jus.br/consultaProcessoWebV2/consultaMov.do?v=2&numProcesso=2008.001.000272-2&acessoIP=internet&tipoUsuario=")
print(result[0].dropna()) # <== or choose appropriate index否则，CSS选择器使用请求将表作为目标。
import requests
from bs4 import BeautifulSoup
url = 'http://www4.tjrj.jus.br/consultaProcessoWebV2/consultaMov.do?v=2&numProcesso=2008.001.000272-2&acessoIP=internet&tipoUsuario='
res = requests.get(url,headers={'User-Agent': 'Mozilla/5.0'})
soup = BeautifulSoup(res.content, 'lxml')
print(soup.select_one('#content table').text)Stack Overflow用户
发布于 2018-12-07 04:19:51
在我的地方，它询问验证码，当我在浏览器中解决它之后，然后我在控制台中运行document.cookie来获取cookie。
import requests, re
from bs4 import BeautifulSoup
# simple table formatter
def cleanTable(table):
table = '\n'.join([x.strip() for x in table.split('\n')])
table = re.sub(r'(.)[\r\n](.)', r'\1 \2', table)
table = re.sub(r'[\r\n]{2,}', '\n', table)
return table.strip()
heads = {'Cookie' : 'JSESSIONID=0afafa3330d816c755a5df3c478cb6388d1b52b9dc5e.e34NbhiLbN0NbO0Lc30PaNaQbN0Me0;'}
Example_url = 'http://www4.tjrj.jus.br/consultaProcessoWebV2/consultaMov.do?v=2&numProcesso=2008.001.000272-2&acessoIP=internet&tipoUsuario='
html = requests.get(Example_url, headers=heads)
soup = BeautifulSoup(html.text, 'html.parser')
table = soup.find('table').text
# Python 2.7
# table = soup.find('table').text.encode('utf-8')
print(cleanTable(table))https://stackoverflow.com/questions/53656611
复制相似问题
腾讯云开发者
