无法使用 BeautifulSoup 和 Requests 抓取下拉菜单

Question

我想在百年灵网站上的产品页面上抓取各种信息。

示例页面：https://www.breitling.com/gb-en/watches/navitimer/b01-chronograph-46/AB0127211C1A1/

我在刮掉“添加到袋子”按钮上方的下拉菜单中给出的手表表带材料时遇到问题（示例中的“钢 1.4435”）。

我想要的具体元素是：

<small class="dd-selected-description dd-desc dd-selected-description-truncated">Steel 1.4435</small>

但是，这不会在对我的 GET 请求的响应中返回。最接近<small> 标记的元素是带有id='strap-selector-list' 的<div> 元素。

但是，当调用 soup.find(id='strap-selector-list') 时，它会显示 <div> 不包含任何内容。

import requests
from bs4 import BeautifulSoup

url = 'https://www.breitling.com/gb-en/watches/navitimer/b01-chronograph-46/AB0127211C1A1/'

r = requests.get(url)
soup = BeautifulSoup(r.text, 'lxml')

soup.find(id='strap-selector-list')

返回

<div id="strap-selector-list"></div>

我怎样才能获得里面的信息（如打开检查器时显示的那样？）

Screenshot of page with inspector open highlighting areas of interest

我尝试过的：

1. 欺骗标头。我在开发人员工具的“网络”选项卡中复制/粘贴了所有请求标头（cookie 除外）。我在 GET 请求中使用了它们（为简洁起见，仅包括更改的行）

headers = {'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3',
'accept-encoding': 'gzip, deflate, br',
'accept-language': 'en-GB,en-US;q=0.9,en;q=0.8',
'cache-control': 'max-age=0',
'dnt': '1',
'referer': 'https://www.breitling.com/gb-en/watches/navitimer/?search%5Bref%5D=&search%5Bsorting%5D=newest',
'sec-fetch-mode': 'navigate, same-origin, cors',
'sec-fetch-site': 'same-origin',
'sec-fetch-user': '?1',
'upgrade-insecure-requests': '1',
'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36',
'X-Requested-With': 'XMLHttpRequest'
}

r = requests.get(url, headers=headers)

1. 已检查 XHR 请求。页面加载时只有 3 个。一个是结帐篮的状态，一个提供零售商的信息，例如他们的商店位置，另一个是 status.php，它给出 404 错误。

   如果您单击下拉菜单，则不会发送任何 XHR 请求。

   如果您单击下拉菜单中的任何项目，您将被带到该项目的产品页面。

2. 使用不同的解析器，例如html.parser 没有区别

3. 在标头中添加 cookie 并执行正常的 GET 请求，也没有区别
4. 首先创建session = requests.Session() 并在有和没有headers=headers 的情况下执行r = session.get(url) 也不起作用。

非常感谢任何帮助！

Answer 1

您要查找的数据位于script 元素下。

您需要做的就是加载作为脚本主体返回的 JSON 并遍历字典。

import requests
from bs4 import BeautifulSoup
import json
import pprint

url = 'https://www.breitling.com/gb-en/watches/navitimer/b01-chronograph-46/AB0127211C1A1/'

r = requests.get(url)
soup = BeautifulSoup(r.text, 'html')

script = soup.find(id='app-reference-versions')
pprint.pprint(json.loads(script.contents[0]))

输出

https://pastebin.com/kGhMQt61