我有一个 Python 脚本,它可以从website与 Selenium 并将它们存储在列表中。现在,我想用以下命令下载它们wget
module.
这是代码的相关部分,其中脚本完成了从网站获取的部分 URL:
new_links = []
for link in list_of_links: # trim links
current_strings = link.split("/consultas/coleccion/window.open('")
current_strings[1] = current_strings[1].split("');return")[0]
new_link = current_strings[0] + current_strings[1]
new_links.append(new_link)
for new_link in new_links:
wget.download(new_link)
此时脚本不执行任何操作。它从不下载任何 PDF,也不会显示任何错误消息。
第二次我做错了什么for
loop?
至于问题是否new_links
是空的。它不是。
print(*new_links, sep = '\n')
给我这样的链接(这里只是其中的四个):
http://digesto.asamblea.gob.ni/consultas/util/pdf.php?type=rdd&rdd=vPjrUnz0wbA%3D
http://digesto.asamblea.gob.ni/consultas/util/pdf.php?type=rdd&rdd=dsyx6l1Fbig%3D
http://digesto.asamblea.gob.ni/consultas/util/pdf.php?type=rdd&rdd=Cb64W7EHlD8%3D
http://digesto.asamblea.gob.ni/consultas/util/pdf.php?type=rdd&rdd=A4TKEG9x4F8%3D
部分 URL 如下所示:
/consultas/util/pdf.php?type=rdd&rdd=vPjrUnz0wbA%3D`
然后在其前面添加“基本URL”
http://digesto.asamblea.gob.ni
这是代码的相关部分,位于上面的代码之前,它收集部分 URL:
list_of_links = [] # will hold the scraped links
tld = 'http://digesto.asamblea.gob.ni'
current_url = driver.current_url # for any links not starting with /
table_id = driver.find_element(By.ID, 'tableDocCollection')
rows = table_id.find_elements_by_css_selector("tbody tr") # get all table rows
for row in rows:
row.find_element_by_css_selector('button').click()
link = row.find_element_by_css_selector('li a[onclick*=pdf]').get_attribute("onclick") # get partial link
if link.startswith('/'):
list_of_links.append(tld + link) # add base to partial link
else:
list_of_links.append(current_url + link)
row.find_element_by_css_selector('button').click()