Python Selenium accediendo a la fuente HTML

¿Cómo puedo obtener la fuente HTML en una variable usando el módulo Selenium con Python?

Quería hacer algo como esto:

from selenium import webdriver

browser = webdriver.Firefox()
browser.get("http://example.com")
if "whatever" in html_source:
    # Do something
else:
    # Do something else

¿Cómo puedo hacer esto? No sé cómo acceder a la fuente HTML.

Necesitas acceder a la page_sourcepropiedad:

from selenium import webdriver

browser = webdriver.Firefox()
browser.get("http://example.com")

html_source = browser.page_source
if "whatever" in html_source:
    # do something
else:
    # do something else

Con Selenium2Library puede utilizar get_source()

import Selenium2Library
s = Selenium2Library.Selenium2Library()
s.open_browser("localhost:7080", "firefox")
source = s.get_source()

driver.page_source le ayudará a obtener el código fuente de la página. Puede verificar si el texto está presente en la fuente de la página o no.

from selenium import webdriver
driver = webdriver.Firefox()
driver.get("some url")
if "your text here" in driver.page_source:
    print('Found it!')
else:
    print('Did not find it.')

Si desea almacenar la fuente de la página en una variable, agregue la siguiente línea después de driver.get :

var_pgsource=driver.page_source

y cambie la condición if a:

if "your text here" in var_pgsource:

Al utilizar el código fuente de la página, obtendrá el código HTML completo.
Así que primero decida el bloque de código o etiqueta en el que necesita recuperar los datos o hacer clic en el elemento.

options = driver.find_elements_by_name_("XXX")
for option in options:
    if option.text == "XXXXXX":
        print(option.text)
        option.click()

Puede encontrar los elementos por nombre, XPath, id, enlace y ruta CSS.

Para responder a su pregunta sobre cómo obtener la URL para usar con urllib, simplemente ejecute este código JavaScript:

url = browser.execute_script("return window.location;")

Simplemente puede usar el WebDriverobjeto y acceder al código fuente de la página a través de su @propertycampopage_source ...

Pruebe este fragmento de código :-)

from selenium import webdriver
driver = webdriver.Firefox('path/to/executable')
driver.get('https://some-domain.com')
source = driver.page_source
if 'stuff' in source:
    print('found...')
else:
    print('not in source...')

from bs4 import BeautifulSoup
from selenium import webdriver

driver = webdriver.Chrome()
html_source_code = driver.execute_script("return document.body.innerHTML;")
html_soup: BeautifulSoup = BeautifulSoup(html_source_code, 'html.parser')

Ahora puede aplicar la función BeautifulSoup para extraer datos ...

Recomiendo obtener la fuente con urllib y, si va a analizar, use algo como Beautiful Soup .

import urllib

url = urllib.urlopen("http://example.com") # Open the URL.
content = url.readlines() # Read the source and save it to a variable.