使用python和beautifulsoup4抓取网页后重复数据

Posted 2023-02-23

【中文标题】使用python和beautifulsoup4抓取网页后重复数据

【英文标题】：Repeating Data after web scraping using python and beautiful soup4

【发布时间】：2015-09-16 04:57:53

【问题描述】：

我正在尝试从 Garmin 网站抓取高尔夫数据。我想获得高尔夫球场的名称和地址，但我在运行脚本之后。我注意到我的代码只是一遍又一遍地重复第一页数据。我还注意到网站上的页码不是从 1 开始，而是从 10 开始的第二页。我如何从该网站提取数据并获取所有数据，而不是仅重复第一页。

import csv
import codecs
import requests 
from bs4 import BeautifulSoup


courses_list= []
for i in range(10):
    url = "http://sites.garmin.com/clsearch/courses?browse=1&country=US&lang=en&per_page=".format(i)
    r = requests.get(url)

    soup = BeautifulSoup(r.content)

    g_data2=soup.find_all("div","class":"result")

    for item in g_data2:
     try:
        name= item.contents[3].find_all("div","class":"name")[0].text
        print name
     except:
        name=''
    try:
        address= item.contents[3].find_all("div","class":"location")[0].text
    except:
        address=''


    course=[name,address]
    courses_list.append(course)


with open ('G_Final.csv','a') as file:
    writer=csv.writer(file)
    for row in courses_list:
        writer.writerow([s.encode("utf-8") for s in row])

【参考方案1】：

你发现了问题。

然后改变

url = "http://...?browse=1&country=US&lang=en&per_page=".format(i)

到

url = "http://...?browse=1&country=US&lang=en&per_page=".format(i*20)

【讨论】：

所以它仍然没有保存权。如何获取所有数据？有什么建议吗？

所以当我设置我的范围（）时，看起来我只是从一页获取数据。关于如何循环获取所有数据的任何建议。我做错了吗？

【参考方案2】：

把这个改成这个：

对于范围内的 i (0, 10)： url = "http://sites.garmin.com/clsearch/courses?browse=1&country=US&lang=en&per_page=i"