如何通过 Python 抓取动态网页
Posted
技术标签:
【中文标题】如何通过 Python 抓取动态网页【英文标题】:How to scrape dynamic webpages by Python 【发布时间】:2016-02-21 02:49:43 【问题描述】:[我要做什么]
在下面的网页上抓取二手车数据。http://www.goo-net.com/php/search/summary.php?price_range=&pref_c=08,09,10,11,12,13,14&easysearch_flg=1
[问题]
抓取整个页面。在上面的 url 中,只显示了前 30 个项目。这些可以被我写的下面的代码刮掉。到其他页面的链接显示为 1 2 3...,但链接地址似乎是 javascript。我用谷歌搜索有用的信息,但找不到任何信息。
from bs4 import BeautifulSoup
import urllib.request
html = urllib.request.urlopen("http://www.goo-net.com/php/search/summary.php?price_range=&pref_c=08,09,10,11,12,13,14&easysearch_flg=1")
soup = BeautifulSoup(html, "lxml")
total_cars = soup.find(class_="change change_01").find('em').string
tmp = soup.find(class_="change change_01").find_all('span')
car_start, car_end = tmp[0].string, tmp[1].string
# get urls to car detail pages
car_urls = []
heading_inners = soup.find_all(class_="heading_inner")
for heading_inner in heading_inners:
href = heading_inner.find('h4').find('a').get('href')
car_urls.append('http://www.goo-net.com' + href)
for url in car_urls:
html = urllib.request.urlopen(url)
soup = BeautifulSoup(html, "lxml")
#title
print(soup.find(class_='hdBlockTop').find('p', class_='tit').string)
#price of car itself
print(soup.find(class_='price1').string)
#price of car including tax
print(soup.find(class_='price2').string)
tds = soup.find(class_='subData').find_all('td')
# year
print(tds[0].string)
# distance
print(tds[1].string)
# displacement
print(tds[2].string)
# inspection
print(tds[3].string)
[我想知道的]
如何抓取整个页面。我更喜欢使用 BeautifulSoup4 (Python)。但如果这不是合适的工具,请告诉我其他的。
[我的环境]
Windows 8.1 Python 3.5 PyDev (Eclipse) BeautifulSoup4任何指导将不胜感激。谢谢。
【问题讨论】:
【参考方案1】:您可以使用selenium 如下示例:
from selenium import webdriver
driver = webdriver.Firefox()
driver.get('http://example.com')
element = driver.find_element_by_class_name("yourClassName") #or find by text or etc
element.click()
【讨论】:
@dixhom,请随时单击任何接近回答问题的答案附近的勾号。在 *** 上接受答案的可靠历史将鼓励更多人回答您后续的问题。 嗨..你觉得你能帮我***.com/questions/43033378/…【参考方案2】:python 模块splinter 可能是一个很好的起点。它调用外部浏览器(例如 Firefox)并访问浏览器的 DOM,而不是只处理 HTML。
【讨论】:
感谢您的回答。这是我第一次了解 DOM,我可以让它做诸如“选择这个元素”和“点击那个元素”之类的事情?现在我正在阅读 splinter 网站。以上是关于如何通过 Python 抓取动态网页的主要内容,如果未能解决你的问题,请参考以下文章