pyqt5的QWebEngineView使⽤⽅法
说明1:关于QWebEngineView
pyqt5 已经抛弃 QtWebKit和QtWebKitWidgets,⽽使⽤最新的QtWebEngineWidgets。
QtWebEngineWidgets,是基于chrome浏览器内核引擎的。
说明2:关于左键点击页⾯跳转
其中,最让纠结的就是实现左键点击页⾯跳转了。
在chrome浏览器上,有些页⾯,左键点击,会直接创建⼀个新的tab来呈现⽹页。
在使⽤QWebEngineView时,如果不做特殊处理,这样的左键点击,是根本没有反应的。
那怎么办?就需要重写QWebEngineView的createWindow⽅法。
说明3:关于createWindow⽅法重写
在重写QWebEngineView的createWindow⽅法时,⼜有两种写法。
第⼀种,是直接在本窗⼝新建tab的⽅式。(不推荐使⽤这种⽅式)
注:这种⽅式有个问题,因为新建的tab覆盖了原来的tab,所以,原来tab的所有信息都不到了,如浏览,账号,密码等。class WebEngineView(QWebEngineView):
# 重写createwindow()
def createWindow(self, QWebEnginePage_WebWindowType):
return self
webview是什么东西第⼆种,就是新建窗⼝的⽅式了。代码如下。(推荐使⽤这种⽅式)
【如下代码,完全复制,直接运⾏,即可使⽤】
import sys
from PyQt5.QtWidgets import *
from PyQt5.QtCore import *
from PyQt5.QtWebEngineWidgets import QWebEngineView
>>>>>>>>>###
>##创建主窗⼝
>>>>>>>>>###
class MainWindow(QMainWindow):
def__init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
self.setWindowTitle('My Browser')
self.showMaximized()
self.webview = WebEngineView()
self.webview.load(QUrl("www.baidu"))
self.setCentralWidget(self.webview)
>>>>>>>>>###
>##创建浏览器
>>>>>>>>>###
class WebEngineView(QWebEngineView):
windowList = []
# 重写createwindow()
def createWindow(self, QWebEnginePage_WebWindowType):
new_webview = WebEngineView()
new_window = MainWindow()
new_window.setCentralWidget(new_webview)
#new_window.show()
self.windowList.append(new_window) #注:没有这句会崩溃
return new_webview
>>>>>>>>>###
>##程序⼊门
>>>>>>>>>### if__name__ == "__main__":
app = QApplication(sys.argv)
w = MainWindow()
w.show()
<_())
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
推荐文章
热门文章
-
随机森林特征选择原理
2024-10-02 -
自动驾驶系统中的随机森林算法解析
2024-10-02 -
随机森林算法及其在生物信息学中的应用
2024-10-02 -
监督学习中的随机森林算法解析(六)
2024-10-02 -
随机森林算法在数据分析中的应用
2024-10-02 -
机器学习——随机森林,RandomForestClassifier参数含义详解
2024-10-02 -
随机森林 的算法
2024-10-02 -
随机森林算法作用
2024-10-02 -
监督学习中的随机森林算法解析(十)
2024-10-02 -
随机森林算法案例
2024-10-02 -
随机森林案例
2024-10-02 -
二分类问题常用的模型
2024-10-02 -
绘制ssd框架训练流程
2024-10-02 -
一种基于信息熵和DTW的多维时间序列相似性度量算法
2024-10-02 -
SVM训练过程范文
2024-10-02 -
如何使用支持向量机进行股票预测与交易分析
2024-10-02 -
二分类交叉熵损失函数binary
2024-10-02 -
tinybert_训练中文文本分类模型_概述说明
2024-10-02 -
基于门控可形变卷积和分层Transformer的图像修复模型及其应用
2024-10-02 -
人工智能开发技术的测试和评估方法
2024-10-02
最新文章
-
基于随机森林的数据分类算法改进
2024-10-02 -
人工智能中的智能识别与分类技术
2024-10-02 -
基于人工智能技术的随机森林算法在医疗数据挖掘中的应用
2024-10-02 -
随机森林回归模型的建模步骤
2024-10-02 -
r语言随机森林预测模型校准曲线
2024-10-02 -
《2024年随机森林算法优化研究》范文
2024-10-02
发表评论