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?