请不要关闭此问题-这不是重复问题。我需要使用Python请求而不是Selenium来单击按钮,如下所示
我正在尝试抓取反向上下文翻译示例页面。我有一个问题:我只能得到20个例子,然后我需要在页面上多次点击"显示更多例子"按钮才能得到完整的结果列表。它可以简单地使用web浏览器来完成,但如何使用Python请求库来完成呢?
我查看了按钮的HTML代码,但找不到onclick
属性来查看附加到它的JS脚本,我也不明白我需要发送什么请求:
<button id="load-more-examples" class="button load-more " data-default-size="14px">Display more examples</button>
这是我的Python代码:
from bs4 import BeautifulSoup
import requests
import re
with requests.Session() as session: # Create a Session
# Log in
login_url = 'https://account.reverso.net/login/context.reverso.net/it?utm_source=contextweb&utm_medium=usertopmenu&utm_campaign=login'
session.post(login_url, "Email=reverso.scraping@yahoo.com&Password=sample",
headers={"User-Agent": "Mozilla/5.0", "content-type": "application/x-www-form-urlencoded"})
# Get the HTML
html_text = session.get("https://context.reverso.net/translation/russian-english/cat", headers={"User-Agent": "Mozilla/5.0"}).content
# And scrape it
for word_pair in BeautifulSoup(html_text).find_all("div", id=re.compile("^OPENSUBTITLES")):
print(word_pair.find("div", class_="src ltr").text.strip(), "=", word_pair.find("div", class_="trg ltr").text.strip())
注意:您需要登录,否则它将只显示前10个示例,并且不会显示按钮。您可以使用此真实身份验证数据:
电子邮件:reverso.scraping@yahoo.com
密码:示例
以下是一个使用requests
获取所有示例语句并使用BeautifulSoup
:删除其中所有HTML标记的解决方案
from bs4 import BeautifulSoup
import requests
import json
headers = {
"Connection": "keep-alive",
"Accept": "application/json, text/javascript, */*; q=0.01",
"X-Requested-With": "XMLHttpRequest",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36",
"Content-Type": "application/json; charset=UTF-8",
"Content-Length": "96",
"Origin": "https://context.reverso.net",
"Sec-Fetch-Site": "same-origin",
"Sec-Fetch-Mode": "cors",
"Referer": "https://context.reverso.net/^%^D0^%^BF^%^D0^%^B5^%^D1^%^80^%^D0^%^B5^%^D0^%^B2^%^D0^%^BE^%^D0^%^B4/^%^D0^%^B0^%^D0^%^BD^%^D0^%^B3^%^D0^%^BB^%^D0^%^B8^%^D0^%^B9^%^D1^%^81^%^D0^%^BA^%^D0^%^B8^%^D0^%^B9-^%^D1^%^80^%^D1^%^83^%^D1^%^81^%^D1^%^81^%^D0^%^BA^%^D0^%^B8^%^D0^%^B9/cat",
"Accept-Encoding": "gzip, deflate, br",
"Accept-Language": "ru-RU,ru;q=0.9,en-US;q=0.8,en;q=0.7",
}
data = {
"source_text": "cat",
"target_text": "",
"source_lang": "en",
"target_lang": "ru",
"npage": 1,
"mode": 0
}
npages = requests.post("https://context.reverso.net/bst-query-service", headers=headers, data=json.dumps(data)).json()["npages"]
for npage in range(1, npages + 1):
data["npage"] = npage
page = requests.post("https://context.reverso.net/bst-query-service", headers=headers, data=json.dumps(data)).json()["list"]
for word in page:
print(BeautifulSoup(word["s_text"]).text, "=", BeautifulSoup(word["t_text"]).text)
起初,我收到了来自谷歌Chrome DevTools的请求:
- 按F12键进入并选择"网络"选项卡
- 单击"显示更多示例"按钮
- 找到最后一个请求("bst查询服务"(
- 右键单击并选择"复制">"复制为cURL(cmd(">
然后,我打开这个在线工具,将复制的cURL插入左侧的文本框,并复制右侧的输出(使用Ctrl-C热键,否则可能无法工作(。
之后,我将其插入IDE并:
- 删除了
cookies
dict-这里没有必要 - 重要提示:将
data
字符串重写为Python字典,并用json.dumps(data)
包装它,否则,它将返回一个空单词列表的请求 - 添加了一个脚本,该脚本:多次获取单词("pages"(,并创建了一个
for
循环,该循环多次获取单词并在没有HTML标记的情况下打印它们(使用BeautifulSoup(
UPD:
对于那些访问该问题以了解如何使用Reverso Context(不仅仅是模拟其他网站上的按钮点击请求(的人来说,有一个针对Reverso API的Python包装器发布:Reverso-API。它可以做与上面相同的事情,但要简单得多:
from reverso_api.context import ReversoContextAPI
api = ReversoContextAPI("cat", "", "en", "ru")
for source, target in api.get_examples_pair_by_pair():
print(highlight_example(source.text), "==", highlight_example(target.text))