推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2036 天前的主题，其中的信息可能已经有所发展或是发生改变。
刚开始，思路笨拙。。。望请各位高手提点了。。。
单位内网有些页面，是靠 javascript 用几个页面开关按钮，触发功能，渲染成不同表格内容，我现在要爬它全部。（在企业的内网里，给了 URL 大家都看不到）
我打算思路是这样的：
用 selenium 的 webdriver，模拟几个操作，获取各个开关触发后把渲染后的 webdriver.page____source
存成 htmlstr1,htmlstr2,htmlstr3,htmlstr4,htmlstr5 这样，然后按计划被正则处理，或者做其它什么的
以前用 pandas 在处理简单页面的时候，
import pandas as pd
PageDF = pd.DataFrame()
PageDF = PageDF.append(pd.read_html("http://10.4.8.231/PannelView.html")[7],ignore_index=True)
PageDF.to_csv('C:/Users/Administrator/Desktop/csv/PannelData.csv',encoding="utf_8_sig")
但是按照目前的知识认知，pd.read_html()只能接受 url，不能接受(str)htmlstr1
那么 pandas 如何处理 str 内容是 html 代码的数据呢？
 |
1
binux 2019-05-15 23:50:39 +08:00 via iPhone
stringIO
|
 |
2
qazwsxkevin OP |
 |
3
qinghon 2019-05-16 00:07:46 +08:00 via Android
那么问题是为什么不获取原始数据呢，把原始数据获取了再用 webdriver 的 js 转成 csv 再用 pandas 转成你要的数据，你不会觉得中间过程没有必要吗
|
|
4
qazwsxkevin OP @qinghon，解释一下为什么要做 htmlstr[1-5]，是因为服务器做了行为监测，我目前想到的办法只能一次 load 完页面，存成 5 个渲染后的 html 的 str，如果每个操作都要 webdriver 去 get(url)，会有些麻烦，不是技术上的问题，只是为了避开一些事情
|
 |
5
ec0 2019-05-16 10:44:09 +08:00
read_html() function can accept an HTML string/file/URL
read_html 可以接收 string |
Select Language