使用 Selenium 和 Python 抓取点击按钮后网页的 HTML 代码-html教程-PHP中文网

使用 Selenium 和 Python 抓取点击按钮后网页的 HTML 代码

霞舞

发布： 2025-10-30 10:05:01

原创

366人浏览过

使用 selenium 和 python 抓取点击按钮后网页的 html 代码

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 webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.firefox.options import Options
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

options = 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

登录后复制

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：

黑点工具

在线工具导航网站，免费使用无需注册，快速使用无门槛。

查看详情

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 webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.firefox.options import Options
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

options = Options()
options.headless = True

driver = 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()

登录后复制

代码解释：