如何获取UNGC网站中无src属性的Twitter iframe内的账号名？

嘿，这个问题我之前做类似爬取的时候碰到过！那种没有src属性的iframe，大多是页面加载后通过JavaScript动态注入内容的，不是一开始就有明确的源地址。给你几个实用的解决思路：

比起折腾iframe，直接抓数据源是最省心的：

• 打开目标企业页面，按下F12调出浏览器开发者工具，切换到Network标签页，刷新页面。
• 过滤「XHR/fetch」类型的请求，找和社交媒体、参与者详情相关的接口。很多这类网站会用API来动态加载iframe里的内容，你可以查看请求返回的JSON数据，大概率能找到Twitter账号信息。
• 找到对应的API后，直接用requests库发送请求就能拿到数据，不用管iframe的渲染问题。

如果找不到合适的API，那就用能处理动态JS的工具来模拟浏览器渲染页面，比如Selenium或者Playwright：

Selenium示例代码 #

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
import time

# 初始化浏览器（这里用Chrome，需要对应版本的chromedriver）
driver = webdriver.Chrome()
driver.get("https://www.unglobalcompact.org/what-is-gc/participants/2968-Orsted-A-S")

# 等待iframe加载完成，通过属性定位（比如class、id，实际要根据页面调整）
iframe = WebDriverWait(driver, 10).until(
    EC.presence_of_element_located((By.CLASS_NAME, "social-media-iframe"))
)
# 切换到iframe上下文
driver.switch_to.frame(iframe)

# 定位Twitter链接元素，提取账号名
twitter_link = driver.find_element(By.CSS_SELECTOR, "a[href*='twitter.com']")
twitter_username = twitter_link.get_attribute("href").split("/")[-1]
print(f"提取到的Twitter账号：@{twitter_username}")

# 切回主页面，关闭浏览器
driver.switch_to.default_content()
time.sleep(1)
driver.quit()

Playwright示例代码（更轻量，无头模式推荐） #

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    # 无头模式启动浏览器，不显示界面
    browser = p.chromium.launch(headless=True)
    page = browser.new_page()
    page.goto("https://www.unglobalcompact.org/what-is-gc/participants/2968-Orsted-A-S")
    
    # 等待iframe加载，通过属性定位（比如title，实际看页面的iframe属性）
    iframe_selector = page.wait_for_selector("iframe[title*='Social']")
    # 获取iframe的内容框架
    content_frame = iframe_selector.content_frame()
    
    # 定位Twitter链接并提取账号
    twitter_link = content_frame.wait_for_selector("a[href*='twitter.com']")
    twitter_url = twitter_link.get_attribute("href")
    twitter_username = twitter_url.split("/")[-1]
    print(f"提取到的Twitter账号：@{twitter_username}")
    
    browser.close()

• 一定要遵守UNGC网站的robots.txt规则，不要频繁发送请求，建议加个time.sleep()延迟，或者使用代理池避免被封IP。
• 页面的元素选择器（比如class、id）可能会随网站更新变化，要定期检查页面结构，及时调整代码里的定位规则。

内容的提问来源于stack exchange，提问作者Bartosz Bagiński