当我按类搜索时，为什么 BeautifulSoup 的 findAll 返回一个空列表？

Question

我正在尝试使用 h2 标签进行网络抓取，但 BeautifulSoup 返回一个空列表。

<h2 class="iCIMS_InfoMsg iCIMS_InfoField_Job">

html=urlopen("https://careersus-endologix.icims.com/jobs/2034/associate-supplier-quality-engineer/job")
bs0bj=BeautifulSoup(html,"lxml")
nameList=bs0bj.findAll("h2",{"class":"iCIMS_InfoMsg iCIMS_InfoField_Job"})
print(nameList)

Answer 1

内容在 iframe 内并通过 js 更新（因此不存在于初始请求中）。 您可以使用页面用于获取 iframe 内容的相同链接（ iframe src ）。 然后从具有信息的脚本标签中提取字符串并加载json ，提取description （即 html）并传回 bs 以选择h2标签。 如果需要，您现在还可以将其余信息存储在第二个汤对象中。

import requests
from bs4 import BeautifulSoup as bs
import json

r = requests.get('https://careersus-endologix.icims.com/jobs/2034/associate-supplier-quality-engineer/job?mobile=false&width=1140&height=500&bga=true&needsRedirect=false&jan1offset=0&jun1offset=60&in_iframe=1')
soup = bs(r.content, 'lxml')
script = soup.select_one('[type="application/ld+json"]').text
data = json.loads(script)
soup = bs(data['description'], 'lxml')
headers = [item.text for item in soup.select('h2')]
print(headers)

---

Answer 2

答案隐藏在两个要素中：

1. javascript 渲染内容：在 document.onload 之后
2. 特别是由 js 管理的内容出现在此评论之后，并且确实由 js 呈现。 块开始的行是：“< ! - -BEGIN ICIMS - - >”（添加空格以避免它变成空白）

正如您可以想象的那样，当您调用 bs4 方法时，h2 class="ICISM class here" 不存在。

解决方案？ 恕我直言，实现您想要的最佳方式是使用硒，以获得完整呈现的网页。

用 Python也检查这个Web-scraping JavaScript 页面