获取HTML内容的脚本方法全解析

有志者，事竟成！如果你在学习文章，那么本文《脚本获取HTML内容方法大全》，就很适合你！文章讲解的知识点主要包括，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

答案：JavaScript通过DOM操作获取HTML内容，Python则用requests或Selenium等库抓取。具体为：1. JavaScript使用outerHTML、innerHTML等属性获取页面或元素内容；2. Python用requests获取静态页面源码，Selenium或Playwright获取动态渲染内容；3. 配合BeautifulSoup解析提取数据。

脚本获取HTML内容的方法取决于使用的语言和运行环境。以下是JavaScript和Python中常用的方式，适用于不同场景如网页开发、爬虫或自动化操作。

JavaScript 获取 HTML 内容

在浏览器环境中，JavaScript 可直接操作 DOM 来获取页面内容。

使用 document.documentElement.outerHTML 可获取完整的页面结构：

const htmlContent = document.documentElement.outerHTML;

用 innerHTML 获取指定元素内部的 HTML 字符串：

const divHtml = document.getElementById('myDiv').innerHTML;

使用 outerHTML 包括元素自身：

const fullElementHtml = document.getElementById('myDiv').outerHTML;

通过 fetch 请求获取远程 HTML 片段：

fetch('/page.html')
  .then(response => response.text())
  .then(html => {
    console.log(html);
  });

Python 获取 HTML 内容

Python 通常用于服务器端或爬虫，需借助第三方库发送请求并解析响应。

最常见方式是通过 requests.get() 获取目标页面的 HTML 源代码：

import requests

url = 'https://example.com'
response = requests.get(url)
html_content = response.text

若页面内容由 JS 动态生成，requests 无法获取渲染后的内容，应使用 Selenium 或 Playwright。

Selenium 示例：

from selenium import webdriver

driver = webdriver.Chrome()
driver.get('https://example.com')
html_content = driver.page_source
driver.quit()

Playwright 示例（推荐，更现代高效）：

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
  browser = p.chromium.launch()
  page = browser.new_page()
  page.goto('https://example.com')
  html_content = page.content()
  browser.close()

获取 HTML 后，可用 BeautifulSoup 提取特定部分：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_content, 'html.parser')
title = soup.find('title').text

选择合适方法的关键点

根据实际需求决定使用哪种方式：

• 静态页面 → Python + requests
• JS 渲染页面 → Selenium / Playwright
• 浏览器内脚本 → JavaScript DOM API
• 需要提取结构化数据 → 配合 BeautifulSoup 或 lxml

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《获取HTML内容的脚本方法全解析》文章吧，也可关注golang学习网公众号了解相关技术文章。