【发布时间】:2021-03-25 06:31:05
【问题描述】:
我的代码进入一个包含多个条目的网页,获取它们的 URL,然后将它们放入一个列表中。
然后它会逐个浏览每个 URL 列表,然后对每个演示文稿进行 scape。
现在我抓取每个演示文稿的每个标题(您可以查看是否运行代码),但在标题中,还有另一个我想要的 URL/href。
有没有办法刮掉这个?
谢谢
from selenium import webdriver
import pandas as pd
from bs4 import BeautifulSoup
import requests
import time
val=[]
driver = webdriver.Chrome()
for x in range (1,3):
driver.get(f'https://www.abstractsonline.com/pp8/#!/9325/sessions/@sessiontype=Advances%20in%20Diagnostics%20and%20Therapeutics/{x}')
time.sleep(9)
page_source = driver.page_source
eachrow = ["https://www.abstractsonline.com/pp8/#!/9325/session/" + x.get_attribute('data-id') for x in driver.find_elements_by_xpath('//*[@id="results"]/li//h1[@class="name"]')]
for row in eachrow:
val.append(row)
print(row)
for b in val:
driver.get(b)
time.sleep(3)
page_source1=driver.page_source
soup=BeautifulSoup(page_source1,'html.parser')
productlist=soup.find_all('a',class_='title color-primary')
for item in productlist:
presentationTitle=item.text.strip()
print(presentationTitle)
【问题讨论】:
-
您好,您可以发布您想要的元素的html。
标签: python selenium web-scraping beautifulsoup