Как парсить динамические web — сайты с помощью Python 3?

Question

[maxvik]

Задача: парсить сайты и собирать с них информацию о наличие определенной модели товара и и ее стоимости.
Цель: на выходе получить CSV файл с полями Фирма продавец\Бренд\Модель\Цена

В общем с задачей справился, возникло одно НО и заключается оно в следующем, некоторые сайты при использовании:
requests.get('url')
отдают не весь код страницы, как я понял дело в том, что часть кода генерируется javascript.
как получить полный код страницы?
По возможности приведете примеры кода реализующие получение всего кода с web-страницы

P.S.: Помогите пожалуйста, четвертую ночь в компании с Гуглом я не вынесу :(

Comments

[Алексей]

Открыть эту страницу в инспекторе обозревателя и посмотреть откуда скрипты грузят недостающие элементы страницы, и дальше грузить их вручную дополнительными запросами.

Answer 1

[DannyFork]

Я Иcпользую связку Selenium и PhantomJs илиChrome
Он предварительно рендерит страницу dв браузере,что позволяет парсить любые динамические страницы.

Пример парсинга Ютуба

from selenium import webdriver

driver = webdriver.Chrome()
driver.get("http://www.youtube.com/results?search_query=" + "guitar+lessons")

results = driver.find_elements_by_xpath('//div[@class="yt-lockup-content"]')

print(len(results))

for result in results:
    video = result.find_element_by_xpath('.//h3/a')
    title = video.get_attribute('title')
    url = video.get_attribute('href')
    print("{} ({})".format(title, url))
driver.quit()

Результат:

Guitar Lessons for Beginners in 21 days #1 | How to play guitar for beginners (https://www.youtube.com/watch?v=orp7WHibnaU)
GuitarLessons.com (https://www.youtube.com/user/guitarlessonscom)
Play TEN guitar songs with two EASY chords | Beginners first guitar lesson (https://www.youtube.com/watch?v=Jg-BRpn38L8)
....more

Answer 2

[sim3x]

Тебе не нужно получать всю страницу
Найди как формируются необходимые тебе данные и запрашивай их

Comments

[maxvik]

sim3x sim3x, пожалуйста подскажите как это сделать?

[sim3x]

maxvik: открой вкладку Networking и изучай ответы сервера

[Фемидис Кудес]

sim3x, а если в запросах нет закономерности, и их количество может меняться?

[Ainvain]

Фемидис Кудес, на таких динамических сайтах JavaScript скрипты используют API запросы. Среди этих логов скорее всего найдется запрос, в ответ на который приходит необходимая информация. Далее можно попробовать этот запрос воспроизвести, к примеру, в Postman, и выяснить необходимые параметры. А далее уже написать код под requests.

Answer 3

[Dimonchik]

Scrapy если по-взрослому, а так и requests, как sim3x советует, достаточно

Comments

[MrFixMan]

А можно пожалуйста поподробнее насчет scrapy, ничего вразумительного про него не нашелб все видосы и ресурсы на тему как парсить обычные htmlки не более. Пытаюсь парсить дом.рф, нишиша чет не выходит

Answer 4

[asd111]

Есть два способа.
1. В Chrome нажимаешь F12 идешь во вкладку Network, перезагружаешь страницу и смотришь откуда что грузится.
2. Взять Selenium для python и в качестве драйвера использовать phantomjs stackoverflow.com/questions/13287490/is-there-a-wa...