hrefにjavascript：__ doPostBackがあるリンクをクリックする方法は？

Question

モジュール 'mechanize'を使用してPythonでスクリーンスクレーパースクリプトを書いています。hrefにjavascript：__ doPostBackがあるリンクでmechanize.click_link（）メソッドを使用したいと思います。 解析しようとしているページはAJAXを使用していると思います。

注：mechはmechanize.Browser（）です

>>> next_link.__class__.__name__
'Link'
>>> next_link
Link(base_url='http://www.citius.mj.pt/Portal/consultas/ConsultasDistribuicao.aspx', url="javascript:__doPostBack('ctl00$ContentPlaceHolder1$Pager1$lnkNext','')", text='2', tag='a', attrs=[('id', 'ctl00_ContentPlaceHolder1_Pager1_lnkNext'), ('title', 'P\xc3\xa1gina seguinte: 2'), ('href', "javascript:__doPostBack('ctl00$ContentPlaceHolder1$Pager1$lnkNext','')")])
>>> req = mech.click_link(next_link)
>>> req
<urllib2.Request instance at 0x025BEE40>
>>> req.has_data()
False

リンクをクリックした後にページのソースを取得したい。

Answer 1

mechanizeは使用していませんが、Pythonを使用してWebスクレイピングを行っています。

__doPostBackのようなjavascript関数に遭遇したとき、次のことを行います。
FirefoxでWebサイトにアクセスし、 HttpFox 拡張機能を使用して、関連するリンクをクリックすると、ブラウザがWebサーバーに送信するPOSTリクエスト。
次に、urllib.parse.urlencodeを使用してPythonで同じリクエストを作成し、必要なクエリ文字列とPOSTデータを作成します。
ウェブサイトでもCookieを使用する場合があるため、Pythonのhttp.cookiejarを使用します。

私はこの手法を何回か成功裏に使用しました。

Answer 2

mechanize はJavascriptをサポートしていないと思います。機能的にJavaScriptの実行に本質的に依存するページをスクレイピングするには、セレンRC 。

Answer 3

>>> next_link.__class__.__name__
'Link'
>>> next_link
Link(base_url='http://www.citius.mj.pt/Portal/consultas/ConsultasDistribuicao.aspx', url="javascript:__doPostBack('ctl00$ContentPlaceHolder1$Pager1$lnkNext','')", text='2', tag='a', attrs=[('id', 'ctl00_ContentPlaceHolder1_Pager1_lnkNext'), ('title', 'P\xc3\xa1gina seguinte: 2'), ('href', "javascript:__doPostBack('ctl00$ContentPlaceHolder1$Pager1$lnkNext','')")])
>>> req = mech.click_link(next_link)
>>> req
<urllib2.Request instance at 0x025BEE40>
>>> req.has_data()
False