Javascript 如何获取Krugle和open hub的搜索页面内容
我想做一个工具来分析代码搜索引擎的结果,如克鲁格或OpenHub。我尝试了java和python来获取搜索结果的html页面:Javascript 如何获取Krugle和open hub的搜索页面内容,javascript,python,html,code-search-engine,Javascript,Python,Html,Code Search Engine,我想做一个工具来分析代码搜索引擎的结果,如克鲁格或OpenHub。我尝试了java和python来获取搜索结果的html页面: import urllib2 def write_url(url, file_name, if_show): if (url is None) or (file_name is None): return req = urllib2.Request(url) resp = urllib2.urlopen(req)
import urllib2
def write_url(url, file_name, if_show):
if (url is None) or (file_name is None):
return
req = urllib2.Request(url)
resp = urllib2.urlopen(req)
ret = resp.read()
fp = open(file_name, "w")
fp.write(ret)
fp.close()
if if_show:
print ret
if __name__ == "__main__":
url_ = "http://www.krugle.org/document/search/#query=socket"
file_n = "D:/tmp/test.txt"
write_url(url_, file_n, True)
print "Done"
但是我没有得到结果的内容。我得到的部分页面如下所示:
<div class="content_result_body">
<div id="hit_list"></div>
<div class="paging" style="display: none;"></div>
</div>
<div class="content_result_body">
<div id="hit_list">
<div class="hit">...</div>
<div class="hit">...</div>
<div class="hit">...</div>
</div>
<div class="paging">...</div>
</div>
我用chrome查看搜索结果页面。是这样的:
<div class="content_result_body">
<div id="hit_list"></div>
<div class="paging" style="display: none;"></div>
</div>
<div class="content_result_body">
<div id="hit_list">
<div class="hit">...</div>
<div class="hit">...</div>
<div class="hit">...</div>
</div>
<div class="paging">...</div>
</div>
而在这部电影中,那。。。表示克鲁格搜索结果的内容。我不确定为什么python代码返回的页面的div.hit_列表中没有任何内容。可能结果的内容是由js生成的。但我不知道如何通过代码获得它。要处理动态加载内容的页面,您可以尝试使用Selenium
from selenium import webdriver
url = "your-url.com"
br = webdriver.Firefox()
br.get(url)
html = br.page_source
当然,这也会打开一个web浏览器。如果不方便,我可以告诉您如何使用xvfb或phantomjs