mirror of
https://gitee.com/g1879/DrissionPage.git
synced 2024-12-10 04:00:23 +08:00
打包前完善
This commit is contained in:
parent
1a3bdb20e7
commit
7c8894d4de
161
DrissionPage/session_element.py
Normal file
161
DrissionPage/session_element.py
Normal file
@ -0,0 +1,161 @@
|
||||
# -*- coding:utf-8 -*-
|
||||
"""
|
||||
@Author : g1879
|
||||
@Contact : g1879@qq.com
|
||||
@File : session_element.py
|
||||
"""
|
||||
import re
|
||||
from html import unescape
|
||||
from typing import Union, List
|
||||
|
||||
from requests_html import Element, BaseParser
|
||||
|
||||
from .common import DrissionElement, get_loc_from_str, translate_loc_to_xpath
|
||||
|
||||
|
||||
class SessionElement(DrissionElement):
|
||||
"""session模式的元素对象,包装了一个Element对象,并封装了常用功能"""
|
||||
def __init__(self, ele: Element):
|
||||
super().__init__(ele)
|
||||
|
||||
def __repr__(self):
|
||||
attrs = [f"{attr}='{self.attrs[attr]}'" for attr in self.attrs]
|
||||
return f'<SessionElement {self.tag} {" ".join(attrs)}>'
|
||||
|
||||
@property
|
||||
def attrs(self) -> dict:
|
||||
"""以字典格式返回元素所有属性的名称和值"""
|
||||
attrs = dict(self.inner_ele.attrs)
|
||||
for attr in ['class', 'rel']:
|
||||
if attr in attrs:
|
||||
attrs[attr] = ' '.join(attrs[attr])
|
||||
return attrs
|
||||
|
||||
@property
|
||||
def text(self) -> str:
|
||||
"""元素内文本"""
|
||||
return unescape(self._inner_ele.text).replace('\xa0', ' ')
|
||||
|
||||
@property
|
||||
def html(self) -> str:
|
||||
"""元素innerHTML"""
|
||||
html = unescape(self._inner_ele.html).replace('\xa0', ' ')
|
||||
r = re.match(r'<.*?>(.*)</.*?>', html, flags=re.DOTALL)
|
||||
return None if not r else r.group(1)
|
||||
|
||||
@property
|
||||
def tag(self) -> str:
|
||||
"""获取标签名"""
|
||||
return self._inner_ele.tag
|
||||
|
||||
@property
|
||||
def parent(self) -> Union[DrissionElement, None]:
|
||||
"""requests_html的Element打包了lxml的元素对象,从lxml元素对象读取上下级关系后再重新打包"""
|
||||
try:
|
||||
return SessionElement(Element(element=self.inner_ele.element.xpath('..')[0], url=self.inner_ele.url))
|
||||
except IndexError:
|
||||
return None
|
||||
|
||||
@property
|
||||
def next(self) -> Union[DrissionElement, None]:
|
||||
"""requests_html的Element打包了lxml的元素对象,从lxml元素对象读取上下级关系后再重新打包"""
|
||||
try:
|
||||
return SessionElement(
|
||||
Element(element=self.inner_ele.element.xpath('./following-sibling::*[1]')[0], url=self.inner_ele.url))
|
||||
except IndexError:
|
||||
return None
|
||||
|
||||
@property
|
||||
def prev(self) -> Union[DrissionElement, None]:
|
||||
"""requests_html的Element打包了lxml的元素对象,从lxml元素对象读取上下级关系后再重新打包"""
|
||||
try:
|
||||
return SessionElement(
|
||||
Element(element=self.inner_ele.element.xpath('./preceding-sibling::*[1]')[0], url=self.inner_ele.url))
|
||||
except IndexError:
|
||||
return None
|
||||
|
||||
def ele(self, loc_or_str: Union[tuple, str], mode: str = None, show_errmsg: bool = False):
|
||||
"""根据loc获取元素或列表,可用用字符串控制获取方式,可选'@属性名:'、'tag:'、'text:'、'css:'、'xpath:'
|
||||
如没有控制关键字,会按字符串文本搜索
|
||||
例:ele.find('id:ele_id'),ele.find('首页')
|
||||
"""
|
||||
if isinstance(loc_or_str, str):
|
||||
loc_or_str = get_loc_from_str(loc_or_str)
|
||||
elif isinstance(loc_or_str, tuple) and len(loc_or_str) == 2:
|
||||
loc_or_str = translate_loc_to_xpath(loc_or_str)
|
||||
else:
|
||||
raise ValueError('loc_or_str must be tuple or str.')
|
||||
|
||||
loc_str = None
|
||||
if loc_or_str[0] == 'xpath':
|
||||
# Element的html是包含自己的,要如下处理,使其只检索下级的
|
||||
loc_str = f'./{self.tag}{loc_or_str[1].lstrip(".")}'
|
||||
elif loc_or_str[0] == 'css selector':
|
||||
loc_str = f':root>{self.tag}{loc_or_str[1]}'
|
||||
loc_or_str = loc_or_str[0], loc_str
|
||||
|
||||
return execute_session_find(self.inner_ele, loc_or_str, mode, show_errmsg)
|
||||
|
||||
def eles(self, loc_or_str: Union[tuple, str], show_errmsg: bool = False):
|
||||
return self.ele(loc_or_str, mode='all', show_errmsg=show_errmsg)
|
||||
|
||||
def attr(self, attr: str) -> str:
|
||||
"""获取属性值"""
|
||||
try:
|
||||
if attr == 'href':
|
||||
# 如直接获取attr只能获取相对地址
|
||||
for link in self._inner_ele.absolute_links:
|
||||
return link
|
||||
elif attr == 'class':
|
||||
class_str = ''
|
||||
for key, i in enumerate(self._inner_ele.attrs['class']):
|
||||
class_str += ' ' if key > 0 else ''
|
||||
class_str += i
|
||||
return class_str
|
||||
elif attr == 'text':
|
||||
return self.text
|
||||
else:
|
||||
return self._inner_ele.attrs[attr]
|
||||
except:
|
||||
return ''
|
||||
|
||||
|
||||
def execute_session_find(page_or_ele: BaseParser, loc: tuple, mode: str = 'single', show_errmsg: bool = False) \
|
||||
-> Union[SessionElement, List[SessionElement]]:
|
||||
"""执行session模式元素的查找
|
||||
页面查找元素及元素查找下级元素皆使用此方法
|
||||
:param page_or_ele: session模式页面或元素
|
||||
:param loc: 元素定位语句
|
||||
:param mode: 'single'或'all'
|
||||
:param show_errmsg: 是否显示错误信息
|
||||
:return: 返回SessionElement元素或列表
|
||||
"""
|
||||
mode = mode or 'single'
|
||||
if mode not in ['single', 'all']:
|
||||
raise ValueError("mode must be 'single' or 'all'.")
|
||||
loc_by, loc_str = loc
|
||||
msg = result = first = None
|
||||
try:
|
||||
if mode == 'single':
|
||||
msg = 'Element not found.'
|
||||
first = True
|
||||
elif mode == 'all':
|
||||
msg = 'Elements not found.'
|
||||
first = False
|
||||
|
||||
if loc_by == 'xpath':
|
||||
ele = page_or_ele.xpath(loc_str, first=first)
|
||||
else:
|
||||
ele = page_or_ele.find(loc_str, first=first)
|
||||
|
||||
if mode == 'single':
|
||||
result = SessionElement(ele) if ele else None
|
||||
elif mode == 'all':
|
||||
result = [SessionElement(e) for e in ele]
|
||||
|
||||
return result
|
||||
except:
|
||||
if show_errmsg:
|
||||
print(msg, loc)
|
||||
raise
|
||||
return [] if mode == 'all' else None
|
Loading…
x
Reference in New Issue
Block a user