解析Javascript生成HTML的链接？

Question

在过去，当我使用BeautifulSoup和lxml解析网页时，它非常容易，因为链接看起来像这样：<a href="www.website.com">Website</a>。但是，我遇到了一些链接出现在浏览器中但不在页面源中的网页。

例如，在this Edmunds.com page，所述Past Long-Term Road Tests部分看起来像这样：

1991 Acura NSX
2011 Acura TSX Sport Wagon
...

---

然而，为了the page的Past Long Long-Term Road Tests部的源代码看起来是这样的：

<script type="text/javascript"> 
PAGESETUP.addControl(function() { 
function linksObj(){ 
var elink = "|acura|nsx|1991|long-term-road-test|"; //generates edmunds.com/acura/nsx/1991/long-term-road-test/ 
this.link0 = {anchor:elink,label:"1991 Acura NSX"}; 
var elink = "|acura|tsx-sport-wagon|2011|long-term-road-test|"; //generates edmunds.com/acura/tsx-sport-wagon/1991/long-term-road-test/ 
this.link1 = {anchor:elink,label:"2011 Acura TSX Sport Wagon"}; 
... 
} 
var links_obj = new linksObj(); 
var links_container = document.getElementById('links_list_offpage2'); 
var more_link = ""; 
var more_link_text = ""; 
var elinks = new EDMUNDS.linksList(links_obj, links_container,more_link, more_link_text); 
}, 'low'); 
</script> 

Javascript行var elink = "|acura|nsx|1991|long-term-road-test|";在浏览器中被扩展为edmunds.com/acura/nsx/1991/long-term-road-test。

---

工具像BeautifulSoup和LXML目前还没有找到那些在Javascript中生成的链接。我如何解析这些链接？

Answer 1

使用headless browser（如ghost.py）来运行页面的JavaScript，并且废除JS更改的DOM应该没有问题。