如何使用 Python 保存“完整网页”而不仅仅是基本的 html

Question

我正在使用以下代码使用 Python 保存网页：

 import urllib
import sys
from bs4 import BeautifulSoup

url = 'http://www.vodafone.de/privat/tarife/red-smartphone-tarife.html'
f = urllib.urlretrieve(url,'test.html')

问题：此代码将 html 保存为没有 javascript、图像等的基本 html。我想将网页保存为完整的（就像我们在浏览器中有选项一样）

更新：我现在使用以下代码来保存 webapge 的所有 js/images/css 文件，以便它可以保存为完整的网页，但我的输出 html 仍然像基本 html 一样被保存：

 import pycurl
import StringIO

c = pycurl.Curl()
c.setopt(pycurl.URL, "http://www.vodafone.de/privat/tarife/red-smartphone-tarife.html")

b = StringIO.StringIO()
c.setopt(pycurl.WRITEFUNCTION, b.write)
c.setopt(pycurl.FOLLOWLOCATION, 1)
c.setopt(pycurl.MAXREDIRS, 5)
c.perform()
html = b.getvalue()
#print html
fh = open("file.html", "w")
fh.write(html)
fh.close()

原文由 user1915050 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

尝试使用 selenium 模拟您的浏览器。此脚本将弹出网页的 save as 对话框。由于文件对话框超出了 selenium 的范围（你如何做也取决于操作系统），你仍然需要弄清楚如何模拟按下 enter 以开始下载。

 from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.keys import Keys

br = webdriver.Firefox()
br.get('http://www.google.com/')

save_me = ActionChains(br).key_down(Keys.CONTROL)\
         .key_down('s').key_up(Keys.CONTROL).key_up('s')
save_me.perform()

此外，我认为遵循 @Amber 关于获取链接资源的建议可能更简单，因此是更好的解决方案。不过，我认为使用 selenium 是一个很好的起点，因为 br.page_source 将为您提供整个 dom 以及由 javascript 生成的动态内容。

原文由 root 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

您可以使用简单的 python 库 pywebcopy 轻松做到这一点。

对于当前版本：5.0.1

 from pywebcopy import save_webpage

url = 'http://some-site.com/some-page.html'
download_folder = '/path/to/downloads/'

kwargs = {'bypass_robots': True, 'project_name': 'recognisable-name'}

save_webpage(url, download_folder, **kwargs)

您的 download_folder 中将包含 html、css、js。完全像原始站点一样工作。

原文由 rajatomar788 发布，翻译遵循 CC BY-SA 4.0 许可协议