Come estrarre questo contenuto reso da javascript?

Question

Sto usando requests_htmlper estrarre l'elemento <div id="TranslationsHead">...</div>in questo URL in cui <span id="LangBar"> ... </span>è reso da javascript.

from requests_html import HTMLSession
session = HTMLSession()
from bs4 import BeautifulSoup

url = 'https://www.thefreedictionary.com/love'
headers = {'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:78.0) Gecko/20100101 Firefox/78.0'}

r = session.get(url, headers = headers)
soup = BeautifulSoup(r.content, 'html.parser')


soup.select_one('#TranslationsHead')

e il suo risultato è <div id="TranslationsHead"><span id="TranslationsTitle">Translations</span></div>. Purtroppo, ancora non cattura <span id="LangBar"> ... </span>.

Potresti spiegare come catturare tali contenuti?

Grazie mille per il vostro aiuto!

Answer 1

È necessario chiamare r.html.render()per eseguire il rendering della pagina con JavaScript:

from requests_html import HTMLSession

url = 'https://www.thefreedictionary.com/love'
session = HTMLSession()
r = session.get(url)
r.html.render()
lang_bar = r.html.find('#LangBar', first=True)
print(lang_bar.html)

Se vuoi abbellire l'output importa BeautifulSoup e usa:

soup = BeautifulSoup(lang_bar.html, 'html.parser')
print(soup.prettify())

Se vuoi le lingue:

for lcd in lang_bar.find('div.lcd'):
    print(lcd.text)

Uscite:

Afrikaans / Afrikaans
Arabic / العربية
Bulgarian / Български
Chinese Simplified / 中文简体
Chinese Traditional / 中文繁體
Croatian / Hrvatski
Czech / Česky
Danish / Dansk
Dutch / Nederlands
Esperanto / Esperanto
Estonian / eesti keel
Farsi / فارسی
Finnish / Suomi
etc

Se vuoi ottenere tutte le traduzioni, la nota esè l'impostazione predefinita:

from requests_html import HTMLSession

url = 'https://www.thefreedictionary.com/love'
session = HTMLSession()
r = session.get(url)
r.html.render()
for span in r.html.find('span.trans'):
    print(span, span.text)

Uscite:

<Element 'span' class=('trans',) lang='af' style='display: none;'> liefde
<Element 'span' class=('trans',) lang='ar' style='display: none;'> حُب
<Element 'span' class=('trans',) lang='bg' style='display: none;'> любов
<Element 'span' class=('trans',) lang='br' style='display: none;'> amor
<Element 'span' class=('trans',) lang='cs' style='display: none;'> láska
<Element 'span' class=('trans',) lang='de' style='display: none;'> die Liebe
<Element 'span' class=('trans',) lang='da' style='display: none;'> kærlighed
<Element 'span' class=('trans',) lang='el' style='display: none;'> αγάπη
<Element 'span' class=('trans',) lang='es' style='display: inline;'> amor

Se vuoi simulare un clic su una lingua e visualizzare i risultati:

from requests_html import HTMLSession

url = 'https://www.thefreedictionary.com/love'
session = HTMLSession()
r = session.get(url)
script = """
 () => {
              if ( document.readyState === "complete" ) {
                   document.getElementsByClassName("fl_ko")[0].click();
              }
        }
         """
r.html.render(script=script, timeout=10, sleep=2)
for span in r.html.find('span.trans[style="display: inline;"]'):
    print(span, span.text)

Uscite:

<Element 'span' class=('trans',) lang='ko' style='display: inline;'> 애정
<Element 'span' class=('trans',) lang='ko' style='display: inline;'> 연애
<Element 'span' class=('trans',) lang='ko' style='display: inline;'> 사랑하는 사람
<Element 'span' class=('trans',) lang='ko' style='display: inline;'> (테니스) 영점
<Element 'span' class=('trans',) lang='ko' style='display: inline;'> 사랑하다

AGGIORNATO IN RISPOSTA AL COMMENTO

Jupyter, Spyder ecc. Usano un ciclo di eventi sotto il cofano e request-html chiama loop.run_until_complete che sollevano quell'eccezione quando il ciclo è già in esecuzione. Hai provato a utilizzare AsyncHTMLSession?

from requests_html import AsyncHTMLSession

url = 'https://www.thefreedictionary.com/love'

asession = AsyncHTMLSession()

async def get_results():
    r = await asession.get(url)
    await r.html.arender()
    return r

r = asession.run(get_results)
lang_bar = r[0].html.find('#LangBar', first=True)
print(lang_bar.html)

O:

from requests_html import AsyncHTMLSession

url = 'https://www.thefreedictionary.com/love'

asession = AsyncHTMLSession()
script = """
 () => {
              if ( document.readyState === "complete" ) {
                   document.getElementsByClassName("fl_ko")[0].click();
              }
        }
         """


async def get_results():
    r = await asession.get(url)
    await r.html.arender(script=script, timeout=10, sleep=2)
    return r

r = asession.run(get_results)
for span in r[0].html.find('span.trans[style="display: inline;"]'):
    print(span, span.text)

Answer 2

from bs4 import BeautifulSoup
from requests_html import HTMLSession

url = 'https://www.thefreedictionary.com/love'
headers = {'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:78.0) Gecko/20100101 Firefox/78.0'}

session = HTMLSession()

resp = session.get(url, headers = headers)
resp.html.render()

soup = bs(resp.html.html, "lxml")
soup.find("div", {"id": "TranslationsHead"})