Очистить текст из всплывающей подсказки, содержащейся во всплывающем окне с поддержкой ajax

Question

Я знаю, что подобные вопросы задавались ранее, но, похоже, ни один из них не подходит для этой конкретной ситуации. Я столкнулся с ним на нескольких сайтах, поэтому для этого вопроса я выбрал случайным образом первую страницу собственного списка тегов SO.

Если вы посмотрите на первую запись на первой странице, вы увидите это:

Показывает начало описания тега, общее количество вопросов и количество вопросов, задаваемых сегодня и на этой неделе. Эта информация легко выбирается:

from selenium.webdriver import Chrome
driver = Chrome()
driver.get('https://stackoverflow.com/tags')

Фокусировка, например, на теге JavaScript:

dat = driver.find_elements_by_xpath("//*[contains(text(), 'week')]/ancestor::div[5]/div/div[1]/span/parent::*")
for i in dat:
    print(i.text)

Выход:

    javascript× 1801272
JavaScript (not to be confused with Java) is a high-level, dynamic, multi-paradigm, object-oriented, prototype-based, weakly-typed language used for both client-side and server-side scripting. Its pri…
703 asked today, 4757 this week

Теперь все становится сложнее (по крайней мере, для меня): если вы наведите курсор мыши на тег JavaScript, вы получите следующее всплывающее окно:

В поле есть полное описание тега и (округленные) числа вопросов и наблюдателей. Если вы наведите курсор мыши на элемент «1.2m watchers», вы увидите эту подсказку:

Это URL для вызова для данного конкретного окна:

https://stackoverflow.com/tags/javascript/popup?_=1556571234452

Этот целевой элемент (а также общее количество вопросов) содержится в title из span в этом html:

<div class="-container">
<div class="-arrow js-source-arrow"></div>
<div class="mb12">
        <span class="fc-orange-400 fw-bold mr8">
            <svg aria-hidden="true" class="svg-icon va-text-top iconFire" width="18" height="18" viewBox="0 0 18 18"><path d="M7.48.01c.87 2.4.44 3.74-.57 4.77-1.06 1.16-2.76 2.02-3.93 3.7C1.4 10.76 1.13 15.72 6.8 17c-2.38-1.28-2.9-5-.32-7.3-.66 2.24.57 3.67 2.1 3.16 1.5-.52 2.5.58 2.46 1.84-.02.86-.33 1.6-1.22 2A6.17 6.17 0 0 0 15 10.56c0-3.14-2.74-3.56-1.36-6.2-1.64.14-2.2 1.24-2.04 3.03.1 1.2-1.11 2-2.02 1.47-.73-.45-.72-1.31-.07-1.96 1.36-1.36 1.9-4.52-2.03-6.88L7.45 0l.03.01z"/></svg>
            <span title="1195903">1.2m</span> watchers
        </span>

        <span class="mr8"><span title="1801277">1.8m</span> questions</span>

        <a class="float-right fc-orange-400" href="/feeds/tag/javascript" title="Add this tag to your RSS reader"><svg aria-hidden="true" class="svg-icon iconRss" width="18" height="18" viewBox="0 0 18 18"><path d="M1 3c0-1.1.9-2 2-2h12a2 2 0 0 1 2 2v12a2 2 0 0 1-2 2H3a2 2 0 0 1-2-2V3zm14.5 12C15.5 8.1 9.9 2.5 3 2.5V5a10 10 0 0 1 10 10h2.5zm-5 0A7.5 7.5 0 0 0 3 7.5V10a5 5 0 0 1 5 5h2.5zm-5 0A2.5 2.5 0 0 0 3 12.5V15h2.5z"/></svg></a>
</div>
        <div>JavaScript (not to be confused with Java) is a high-level, dynamic, multi-paradigm, object-oriented, prototype-based, weakly-typed language used for both client-side and server-side scripting. Its primary use is in rendering and manipulating of web pages. Use this tag for questions regarding ECMAScript and its various dialects/implementations (excluding ActionScript and Google-Apps-Script). <a href="/questions/tagged/javascript">View tag</a></div></div>

Что я не могу понять, так это как собрать всю эту информацию, чтобы получить результат (или фрейм данных), который выглядит примерно так, для всех тегов, упомянутых на этой первой странице:

Tag: JavaScript
Total questions: 1801277 #or whatever it is at the time this is performed
Watchers: 1195902 #same
.
.
etc.

Чтобы исключить возможные комментарии, позвольте мне добавить: я знаю, что у SO есть API для подобных поисков, но (i), как я уже говорил, я выбрал страницу тегов SO случайным образом и хотел бы решить эту проблему. как можно более обобщенно; (ii) если я правильно понимаю, это нельзя сделать с помощью SO API ; и (iii) даже если бы это было возможно, я все же хотел бы узнать, как это сделать, используя методы очистки.

Answer 1

Следующее создает минимальный URL-адрес, необходимый для извлечения этой информации, а затем извлекает необходимую информацию из этих URL-адресов и вставляет переменные, которые вставляются в виде списка, row, в окончательный список results. Этот окончательный список преобразуется в конец кадра данных.

Вы можете зациклить все страницы с помощью конструкции

https://stackoverflow.com/tags?page={}

Не уверен, что вы хотите относительно числа на этой неделе и т. Д., Поскольку одинаковые периоды времени не сообщаются для каждого тега. Я обновлю ответ, если вы можете указать, как вы хотите, чтобы это обрабатывалось. Похоже, единицами могут быть день, неделя или месяц (2 из них).

Я думаю, что вопросы, задаваемые в период времени неделя / месяц и т. Д., Загружаются динамически, поэтому у вас не всегда есть два измерения. Для этого я добавил оператор if, чтобы справиться с этим. Вы можете продолжать отправлять запросы, пока не получите эту информацию, проверяя len из frequencies до == 2.

import requests
from bs4 import BeautifulSoup as bs
import urllib.parse
import pandas as pd

url = 'https://stackoverflow.com/tags/{}/popup'
page_url = 'https://stackoverflow.com/tags?page={}'
results = []

with requests.Session() as s:
    r = s.get('https://stackoverflow.com/tags')
    soup = bs(r.content, 'lxml')
    num_pages = int(soup.select('.page-numbers')[-2].text)

    for page in range(1, 3): # for page in range(1, num_pages):
        frequency1 = []
        frequency2 = []
        if page > 1:
            r = s.get(page_url.format(page))
            soup = bs(r.content, 'lxml')

        tags = [(item.text, urllib.parse.quote(item.text)) for item in soup.select('.post-tag')]

        for item in soup.select('.stats-row'):
            frequencies = item.select('a')
            frequency1.append(frequencies[0].text)
            if len(frequencies) == 2:
                frequency2.append(frequencies[1].text)
            else:
                frequency2.append('Not loaded') 
        i = 0
        for tag in tags:
            r = s.get(url.format(tag[1]))
            soup = bs(r.content, 'lxml')
            description = soup.select_one('div:not([class])').text
            stats = [item['title'] for item in soup.select('[title]')]
            total_watchers = stats[0]
            total_questions = stats[1]
            row = [tag[0], description, total_watchers, total_questions, frequency1[i],  frequency2[i]]
            results.append(row)
            i+=1
df = pd.DataFrame(results, columns = ['Tag', 'Description', 'Total Watchers', 'Total Questions', 'Frequency1', 'Frequency2'])

---

Использование исходного кода в сочетании с Selenium для обеспечения загрузки динамического содержимого:

import requests
from bs4 import BeautifulSoup as bs
import urllib.parse
import pandas as pd
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC


url = 'https://stackoverflow.com/tags/{}/popup'
page_url = 'https://stackoverflow.com/tags?page={}'
results = []
d = webdriver.Chrome()

with requests.Session() as s:
    r = s.get('https://stackoverflow.com/tags')
    soup = bs(r.content, 'lxml')
    num_pages = int(soup.select('.page-numbers')[-2].text)

    for page in range(1, 3): # for page in range(1, num_pages + 1):
        if page > 1:
            r = d.get(page_url.format(page))
            WebDriverWait(d,10).until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, '.stats-row a')))
            soup = bs(d.page_source, 'lxml')

        tags = [(item.text, urllib.parse.quote(item.text)) for item in soup.select('.post-tag')]
        how_many  = [item.text for item in soup.select('.stats-row a')]
        frequency1 = how_many[0::2]
        frequency2 = how_many[1::2]
        i = 0
        for tag in tags:
            r = s.get(url.format(tag[1]))
            soup = bs(r.content, 'lxml')
            description = soup.select_one('div:not([class])').text
            stats = [item['title'] for item in soup.select('[title]')]
            total_watchers = stats[0]
            total_questions = stats[1]
            row = [tag[0], description, total_watchers, total_questions, frequency1[i],  frequency2[i]]
            results.append(row)
            i+=1
df = pd.DataFrame(results, columns = ['Tag', 'Description', 'Total Watchers', 'Total Questions', 'Frequency1', 'Frequency2'])
d.quit()
print(df.head())