【发布时间】:2020-01-15 11:58:02
【问题描述】:
我正在尝试使用 selenium 和 beautifulsoup 从亚马逊网站(只是 ASIN)上抓取一些 ASIN(比如说 600 个 ASIN)。我的主要问题是如何将所有抓取的数据保存到 CSV 文件中?我尝试了一些方法,但它只保存了最后抓取的页面。
代码如下:
from time import sleep
import requests
import time
import json
import re
import sys
import numpy as np
from selenium import webdriver
import urllib.request
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.keys import Keys
import pandas as pd
from urllib.request import urlopen
i = 1
while(True):
try:
if i == 1:
url = "https://www.amazon.es/s?k=doll&i=toys&rh=n%3A599385031&dc&page=1"
else:
url = "https://www.amazon.es/s?k=doll&i=toys&rh=n%3A599385031&dc&page={}".format(i)
r = requests.get(url)
soup = BeautifulSoup(r.content, 'html.parser')
#print page url
print(url)
#rest of the scraping code
driver = webdriver.Chrome()
driver.get(url)
HTML = driver.page_source
HTML1=driver.page_source
soup = BeautifulSoup(HTML1, "html.parser")
styles = soup.find_all(name="div", attrs={"data-asin":True})
res1 = [i.attrs["data-asin"] for i in soup.find_all("div") if i.has_attr("data-asin")]
print(res1)
data_record.append(res1)
#driver.close()
#don't overflow website
sleep(1)
#increase page number
i += 1
if i == 3:
print("STOP!!!")
break
except:
break
【问题讨论】:
-
您只需要检查您的
print (res1)是否有您需要的asin 值,然后将它们存储在一个csv 文件中。您是否尝试复制此站点的功能:asintool.com? -
print(res1) 给出第 1 页的 ASIN,然后显示第 2 页的 ASIN。我只想保存刮掉的页面中的所有 Asin。
-
是的,我想从特定关键字中检索 ASIN。
-
好的,首先在循环之前创建一个空数据帧,如
df = pd.DataFrame([]),然后在循环中添加:df = df.append(res1),然后将数据帧导出到 csv,如下所示:df.to_csv。让我知道它是否有效。
标签: python selenium web-scraping