如何访问本网站的下一页？

Posted 2023-02-15

【中文标题】如何访问本网站的下一页？

【英文标题】：how to accessing next page on this web site?

【发布时间】：2021-12-30 03:10:35

【问题描述】：

有一个网站，我想从中提取特定链接。 我已经设法做到了，但只针对一个站点。有 133 个站点，我需要这些站点的链接。你能告诉我怎么做吗？

到目前为止，我能够构建它。我知道它应该以某种方式使用数组“页面”，但我不知道如何告诉脚本循环它并将其视为新站点。提前谢谢你。

from bs4 import BeautifulSoup
import urllib.request
import pandas as pd
import requests
import time
pages = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133]
links = []
for page in pages:
    url =  urllib.request.urlopen("https://www.derekprince.org/Media/")
    content = url.read()
    soup = BeautifulSoup(content)
    result = soup.findAll('a', "class": "media_recording_file_download" )
    links.append(result)

【问题讨论】：

使用selenium

【参考方案1】：

Selenium 再次成为网络 scraping 问题的最简单且要求最低的解决方案 :) 如果有人需要它或遇到类似问题，这里是解决方案。我使用 google chrome 复制 xpath 并查找类名。

from selenium import webdriver                                                                            
pages = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133]


driver = webdriver.Chrome("/home/grzegorz/Documents/chromedriver")                                        
driver.get("https://www.derekprince.org/Media/")                                                          
driver.find_elements_by_class_name("media_recording_file_download")

for i in pages:
    driver.find_element_by_xpath("//*[@id='media_pager_top']/a[2]").click()         
    for i in driver.find_elements_by_class_name("media_recording_file_download"): 
        i.click()

【参考方案2】：

一个问题有多个问题 - 所以我建议你改进它。

我只是为第二个详细回答第一个，请提出一个新问题。

如何处理迭代？

您可以使用range() 而不是您的list - 将两个参数（开始、停止）传递给range()，它将生成从开始号开始到停止-1 的整数。

for i in range(1,6):
    print(f'This is my iteration #i')

要将您的变量与string 连接，您可以使用pythons f'string。

提示您的下一个问题。

此网站处理 form，因此您必须执行包含您的 page 变量的发布请求。

【讨论】：

感谢您的回复，但说实话并没有多大帮助。列表或迭代是相当美观的变化......您能否详细说明如何访问本网站的下一页？

正如@HedgeHog 提到的，您需要了解更多有关表单数据的信息，因为 .aspx 不是您只需获取页面即可废弃​​的网站。

如何访问本网站的下一页？这应该是您下一个重点问题的标题

按照建议我已更改此问题的标题。

任何人都可以提出如何通过aspx报废的建议，好吗？