Python:如何填写web表单并获得结果页面sou

2024-03-28 10:18:21 发布

您现在位置:Python中文网/ 问答频道 /正文

我正试图写一个python脚本,它将刮http://www.fakenewsai.com/并告诉我一篇新闻文章是否是假新闻。我希望脚本将给定的新闻文章输入到网站的url输入字段,然后按submit按钮。然后,我想刮网站,以确定是否文章是“假”或“真”的新闻,显示在网站上。你知道吗

我使用seleniumChromeDriver成功地完成了这个任务,但是脚本非常慢(>;2分钟),并且没有在Heroku(使用flask)上运行。以下是我使用的代码供参考:

from selenium import webdriver
import time

def fakeNews(url):
  if url.__contains__("https://"):
    url = url[8:-1]
  if url.__contains__("http://"):
    url = url[7:-1]
  browser = webdriver.Chrome("static/chromedriver.exe")
  browser.get("http://www.fakenewsai.com")
  element = browser.find_element_by_id("url")
  element.send_keys(url)
  button = browser.find_element_by_id("submit")
  button.click()
  time.sleep(1)
  site = "" + browser.page_source
  result = ""
  if(site[site.index("opacity: 1")-10] == "e"):
    result = "Fake News"
  else:
    result = "Real News"
  browser.quit()
  return result

print(fakeNews('https://www.nytimes.com/2019/11/02/opinion/sunday/instagram-social-media.html'))

我尝试使用其他python库复制此代码,例如mechanicalsouppyppeteerscrapy。然而,作为python的初学者,我并没有发现太多的成功。我希望有人能给我指出一个正确的方向。你知道吗


Tags: browser脚本comhttpurlif网站www
2条回答

出于上述目的,在我看来,分析网站、了解其功能,然后自动执行浏览器行为而不是用户行为要简单得多。你知道吗

在网站上尝试在浏览器上点击F12,打开“网络”选项卡,在输入框上粘贴一个URL,然后点击“提交”,您将看到它向一个URL发送一个HTTP选项请求,然后发送一个POST请求。然后服务器返回一个JSON响应作为结果。你知道吗

因此,您可以使用Python的请求模块(docs)来自动化POST请求,而不是使用非常复杂的代码来模拟单击和刮取结果。你知道吗

一个非常简单的例子是:

import json
import requests


def fake_news():
    url = 'https://us-central1-fake-news-ai.cloudfunctions.net/detect/'
    payload = {'url': 'https://www.nytimes.com/'}
    headers = {'Accept': '*/*', 'Accept-Encoding': 'gzip, deflate, br', 'Accept-Language': 'en-US,en;q=0.5',
               'Connection': 'keep-alive', 'Content-Length': '103', 'Content-type': 'application/json; charset=utf-8',
               'DNT': '1', 'Host': 'us-central1-fake-news-ai.cloudfunctions.net', 'Origin': 'http://www.fakenewsai.com',
               'Referer': 'http://www.fakenewsai.com/', 'TE': 'Trailers',
               'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:70.0) Gecko/20100101 Firefox/70.0'}

    response_json = requests.post(url, data=json.dumps(payload), headers=headers).text
    response = json.loads(response_json)
    is_fake = int(response['fake'])

    if is_fake == 0:
        print("Not fake")
    elif is_fake == 1:
        print("Fake")
    else:
        print("Invalid response from server")


if __name__ == "__main__":
    fake_news()

附言:这将是公平的联系该网站的所有者,讨论使用他或她的基础设施为您的项目。你知道吗

主要的减速发生在启动chrome浏览器和定位第一个URL时。 请注意,您正在为每个请求启动一个浏览器。 您可以在初始化步骤中启动浏览器,并且只对每个请求执行自动化部分。 这将大大提高性能。你知道吗

相关问题 更多 >