如何从 HTML 源中提取指定的数字并合并它们？

Question

有一个网站提供 3 个数字作为图片，您必须复制并写入指定的框中，然后按继续。我想为我编写代码。我查看了 HTML 源和 png 文件与数字命名相同，所以我只需要提取它们，合并并写下来。

我已经使用 Selenium 制作了一个机器人并在我登录后访问该网站，它会在指定区域填充“123”作为测试，所以我知道如果我以某种方式获得了这些数字如何写下它们。我使用 Beatifulsoup 来把它变成文本，但它给了我一个错误

  File "C:\Users\user\Desktop\money.py", line 20
    soup = BeautifulSoup(driver)
UserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this system ("lxml"). This usually isn't a problem, but if you run this code on another system, or in a different virtual environment, it may use a different parser and behave differently.

The code that caused this warning is on line 20 of the file C:\Users\user\Desktop\money.py. To get rid of this warning, pass the additional argument 'features="lxml"' to the BeautifulSoup constructor.

Traceback (most recent call last):
  File "C:\Users\user\Desktop\money.py", line 20, in <module>
    soup = BeautifulSoup(driver)
  File "C:\Users\user\AppData\Local\Packages\PythonSoftwareFoundation.Python.3.7_qbz5n2kfra8p0\LocalCache\local-packages\Python37\site-packages\bs4\__init__.py", line 287, in __init__
    elif len(markup) <= 256 and (
TypeError: object of type 'WebDriver' has no len()

如果您有其他方法或可以解决问题，我们将不胜感激。 我还没有弄清楚如何自动按下继续按钮，但如果需要，我会自己按下它。 我的代码甚至还没有完成，所以请随意提出任何建议。

import time
import re
from bs4 import BeautifulSoup
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.common.by import By

driver = webdriver.Chrome(executable_path = "C:/Users/user/Desktop/Personal/PythonScripts/chromedriver.exe")
driver.get('URL I USED')

time.sleep(20)
driver.refresh()
try :
 driver.find_element_by_tag_name('input').send_keys('123')
except :
    print('Fail')


soup = BeautifulSoup(driver ,"lxml")

images = list()
try :
 re.findall(r'\d+', soup)
 images.append(new)
except:
    print('Fail')
html_source = driver.page_source
print(html_source)```

Answer 1

您在BeautifulSoup(driver.page_source, "lxml") 中忘记了.page_source

---

至于数字，如果您使用 BeautifulSoup，则使用其所有功能 - 使用 find_all() 查找所有 <img> 并获取属性 src。然后你可以从src（这是字符串）作为string[-5]获取char

如果有更多图像，那么您可以在find_all() 中使用其他属性 - 即。 width="35"

您应该阅读BeautifulSoup 的文档 - 它有很多有用的功能。

---

html = '''<img width="35" height="55" src="images/capchs/6.png">
<img width="35" height="55" src="images/capchs/3.png">
<img width="35" height="55" src="images/capchs/1.png">'''

from bs4 import BeautifulSoup as BS

soup = BS(html, 'lxml')

all_items = soup.find_all('img')
#all_items = soup.find_all('img', width='35')
for item in all_items:
    print('char:', item['src'][-5])

number = [item['src'][-5] for item in all_items]
number = "".join(number)

print('number:', number)

结果

char: 6
char: 3
char: 1
number: 631

---

即使没有BeautifulSoup，你也可以这样做，因为Selenium 有很多功能find_elements_by_...（即find_elements_by_xpath()），它也有get_attribute()

阅读 Selenium 文档：Locating Elements、get_attribute

未测试

all_items = driver.find_elements_by_tag_name('img')
for item in all_items:
    print('char:', item.get_attribute('src')[-5])

number = [item.get_attribute('src')[-5] for item in all_items]
number = "".join(number)

print('number:', number)