【发布时间】:2018-06-08 20:08:50
【问题描述】:
我找到了一种抓取其他网站的方法,但是对于这段代码,它需要一个特殊的“浏览器”来访问 html 变量,事情是在我这样做之后,程序不会崩溃,但不再工作。
我想要的变量:排名、名称、代码、积分 (https://imgur.com/a/FIWDFk1)
这是我制作的代码,但在本网站上不起作用:[运行但没有读取/保存]
from urllib.request import urlopen as uReq
from urllib.request import Request
from bs4 import BeautifulSoup as soup
myUrl = "https://mee6.xyz/levels/159962941502783488"
req = Request(
myUrl,
data=None,
headers={
'User-Agent':'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36'
}
)
uClient = uReq(req)
pageHtml = uClient.read()
uClient.close()
page_soup = soup(pageHtml, "html.parser")
containers = page_soup.findAll("div",{"class":"Player"})
print(containers)
我使用的有效代码来自 youtube 教程,当更改 url 时,它无法与 mee6 排行榜一起使用,因为它拒绝浏览器:[mee6 url 崩溃]
from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup
import csv
my_url = "https://www.newegg.ca/Product/ProductList.aspx?Submit=ENE&N=100007708%20601210955%20601203901%20601294835%20601295933%20601194948&IsNodeId=1&bop=And&Order=BESTSELLING&PageSize=96"
uClient = uReq(my_url)
page_html = uClient.read()
uClient.close()
page_soup = soup(page_html, "html.parser")
containers = page_soup.findAll("div",{"class":"item-container"})
filename = "GPU Prices.csv"
header = ['Price', 'Product Brand', 'Product Name', 'Shipping Cost']
with open(filename, 'w', newline='') as f_output:
csv_output = csv.writer(f_output)
csv_output.writerow(header)
for container in containers:
price_container = container.findAll("li", {"class":"price-current"})
price = price_container[0].text.replace('\xa0', ' ').strip(' –\r\n|')
brand = container.div.div.a.img["title"]
title_container = container.findAll("a", {"class":"item-title"})
product_name = title_container[0].text
shipping_container = container.findAll("li", {"class":"price-ship"})
shipping = shipping_container[0].text.strip()
csv_output.writerow([price, brand, product_name, shipping])
【问题讨论】:
-
您是否检查了页面的 HTML 代码是否仍然相同?如果它们替换了您用来抓取的 HTML 类,您将一无所获。此外,该列表在向下滚动时超出了 ajax,因此您可能必须以某种方式模拟滚动。最好的 API 是您可以在没有 HTML 视图的情况下访问数据的 API。您的问题主要与该特定页面相关吗?
-
是的,我正在尝试获取一种抓取该网站的方法。
标签: python csv beautifulsoup