Python 中动态表单的 Web Scraper

我正在尝试填写该网站的表格http://www.marutisuzuki.com/Maruti-Price.aspx.

它由三个下拉列表组成。一是汽车型号，二是州，三是城市。前两个是静态的，第三个城市是根据州的值动态生成的，有一个 onclick java 脚本事件正在运行，它获取州中相应城市的值。

我熟悉Python中的mechanize模块。我发现几个链接告诉我我无法处理动态内容在机械化。但是这个链接http://toddhayton.com/2014/12/08/form-handling-with-mechanize-and-beautifulsoup/在“动态添加项目” 指出我可以使用 mechanize 来处理动态内容，但我不明白其中的这行代码

item = Item(br.form.find_control(name='searchAuxCountryID'),{'contents': '3', 'value': '3', 'label': 3})

这行代码对应表单中城市字段的“Item”是什么。我遇到了 selenium 模块，它可能会帮助我处理动态下拉列表。但我无法在其文档或任何关于如何使用它的好博客中找到任何内容。

有人可以建议我如何针对不同的型号、州和城市提交此表格吗？任何有关如何解决此问题的链接将不胜感激。有关如何提交表单的 Python 示例代码将会很有帮助。提前致谢。

如果您在开发人员工具中查看发送到该站点的请求，您将看到在您选择状态后就会立即发送 POST。发回的响应的表单中填充了城市下拉列表中的值。

因此，要在脚本中复制此内容，您需要类似以下内容：

• 打开页面
• 选择表格
• 选择模型和状态的值
• 提交表格
• 从发回的回复中选择表格
• 选择城市值（现在应该已填充）
• 提交表格
• 解析结果表的响应

那看起来像：

#!/usr/bin/env python                                                                                                                                                                

import re
import mechanize

from bs4 import BeautifulSoup

def select_form(form):
    return form.attrs.get('id', None) == 'form1'

def get_state_items(browser):
    browser.select_form(predicate=select_form)
    ctl = browser.form.find_control('ctl00$ContentPlaceHolder1$ddlState')
    state_items = ctl.get_items()
    return state_items[1:]

def get_city_items(browser):
    browser.select_form(predicate=select_form)
    ctl = browser.form.find_control('ctl00$ContentPlaceHolder1$ddlCity')
    city_items = ctl.get_items()
    return city_items[1:]

br = mechanize.Browser()
br.open('http://www.marutisuzuki.com/Maruti-Price.aspx')    
br.select_form(predicate=select_form)
br.form['ctl00$ContentPlaceHolder1$ddlmodel'] = ['AK'] # model = Maruti Suzuki Alto K10                                                                                              

for state in get_state_items(br):
    # 1 - Submit form for state.name to get cities for this state                                                                                                                    
    br.select_form(predicate=select_form)
    br.form['ctl00$ContentPlaceHolder1$ddlState'] = [ state.name ]
    br.submit()

    # 2 - Now the city dropdown is filled for state.name                                                                                                                             
    for city in get_city_items(br):
        br.select_form(predicate=select_form)
        br.form['ctl00$ContentPlaceHolder1$ddlCity'] = [ city.name ]
        br.submit()

        s = BeautifulSoup(br.response().read())
        t = s.find('table', id='ContentPlaceHolder1_dtDealer')
        r = re.compile(r'^ContentPlaceHolder1_dtDealer_lblName_\d+$')

        header_printed = False
        for p in t.findAll('span', id=r):
            tr = p.findParent('tr')
            td = tr.findAll('td')

            if header_printed is False:
                str = '%s, %s' % (city.attrs['label'], state.attrs['label'])
                print str
                print '-' * len(str)
                header_printed = True

            print ' '.join(['%s' % x.text.strip() for x in td])