使用python检索嵌入在另一个网页中的注释（disqus）

Question

我正在使用python 3.5（Beautifulsoup）抓取一个网站。 我可以阅读源代码中的所有内容，但一直在尝试从Disqus中检索嵌入的注释，但都没有成功（这是对脚本的引用）。

该段html代码源如下所示：

var disqus_identifier = "node/XXXXX";
script type='text/javascript' src='https://disqus.com/forums/siteweb/embed.js';

src发送到脚本功能。

我已经阅读了使用硒的stackoverflow中的建议，但是我很难使它成功。 我了解硒模拟了浏览器（我认为它对于我想要的东西来说太重了）。 但是，我的webdrivers有问题，它不能正常工作。 因此，我放弃了此选项。

我希望能够执行脚本并检索带有注释的.js。 我发现可能的解决方案是PyV8。 但是我不能导入python。 我在互联网上阅读了帖子，我用Google搜索了它，但是它不起作用。

我安装了Sublime Text 3，并在以下位置手动下载了pyv8-win64-p3：

C：\\ Users \\ myusername \\ AppData \\ Roaming \\ Sublime Text 3 \\ Installed Packages \\ PyV8 \\ pyv8-win64-p3

但我不断得到：

ImportError：没有名为“ PyV8”的模块。

如果有人可以帮助我，我将非常感激。

Answer 1

因此，您可以通过研究网络流量来构造Disqus API。 页面源中包含所有必需的数据。 像Disqus API发送一些查询字符串。 最近，我从Disqus API中提取了注释，这是示例代码。

示例：这里汤-页面源代码和params_dict = json.loads(str(soup).split("embedVars = ")[1].split(";")[0])

def disqus(params_dict,soup):
    headers = {
    'User-Agent':'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:44.0) Gecko/20100101 Firefox/44.0'
    }
    comments_list = []
    base = 'default'
    s_o = 'default'
    version = '25916d2dd3d996eaedf6cdb92f03e7dd'
    f = params_dict['disqusShortname']
    t_i = params_dict['disqusIdentifier']
    t_u = params_dict['disqusUrl']
    t_e = params_dict['disqusTitle']
    t_d = soup.head.title.text
    t_t = params_dict['disqusTitle']
    url = 'http://disqus.com/embed/comments/?base=%s&version=%s&f=%s&t_i=%s&t_u=%s&t_e=%s&t_d=%s&t_t=%s&s_o=%s&l='%(base,version,f,t_i,t_u,t_e,t_d,t_t,s_o)
    comment_soup = getLink(url)
    temp_dict = json.loads(str(comment_soup).split("threadData\" type=\"text/json\">")[1].split("</script")[0])
    thread_id = temp_dict['response']['thread']['id']
    forumname = temp_dict['response']['thread']['forum']
    i = 1
    count = 0
    flag = True
    while flag is True:
        disqus_url = 'http://disqus.com/api/3.0/threads/listPostsThreaded?limit=100&thread='+thread_id+'&forum='+forumname+'&order=popular&cursor='+str(i)+':0:0'+'&api_key=E8Uh5l5fHZ6gD8U3KycjAIAk46f68Zw7C6eW8WSjZvCLXebZ7p0r1yrYDrLilk2F'
        comment_soup = getJson(disqus_url)

它会返回json，您可以在其中提取注释的地方找到注释。 希望这对您有帮助。

Answer 2

对于Facebook嵌入的注释，您可以使用Facebook的graph api提取json格式的注释。

例-

Facebook评论-https: https://graph.facebook.com/comments/?ids= "link of page"