试图从亚马逊评论网址获取产品标题

Posted 2023-04-14

【中文标题】试图从亚马逊评论网址获取产品标题

【英文标题】：Trying to get product title from Amazon Review Url

【发布时间】：2021-01-10 20:26:57

【问题描述】：

我使用的网址是：https://www.amazon.com/Marmot-womens-Precip-Lightweight-Waterproof/product-reviews/B086YML34N/ref=cm_cr_dp_d_show_all_btm?ie=UTF8&reviewerType=all_reviews

product_name = soup.findall("h1","class":"a-size-large a-text-ellipsis")

我正在尝试获取页面上所有评论的产品标题。我尝试使用上面的代码，但出现“nonetype”错误。我代码中的其他属性确实有效。我在想我没有选择正确的课程。有没有人有从亚马逊抓取的经验，可以就我做错了什么提供一些建议？

【参考方案1】：

您可能有验证码页面。尝试指定不同的 HTTP 标头（在我的情况下为 User-Agent 和 Accept-Language）：

import requests 
from bs4 import BeautifulSoup


url = 'https://www.amazon.com/Marmot-womens-Precip-Lightweight-Waterproof/product-reviews/B086YML34N/ref=cm_cr_dp_d_show_all_btm?ie=UTF8&reviewerType=all_reviews'
headers = 'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:80.0) Gecko/20100101 Firefox/80.0',
'Accept-Language': 'en-US,en;q=0.5'

soup = BeautifulSoup(requests.get(url, headers=headers).content, 'html.parser')
print(soup.select_one('h1.a-size-large.a-text-ellipsis').text)

打印：

Marmot womens Precip Lightweight Waterproof Rain Jacket

【参考方案2】：

因为 bs4 中没有 findall。它是find_all 或findAll（大写A）。