所以我对这个问题很陌生,我在谷歌上也没找到任何关于这个问题的东西。在
我使用request和lxml与Python一起使用,我看到有很多不同的模块用于web抓取,但是有没有理由选择其中一个而不是另一个呢?你能用requests/lxml做同样的事情吗?比如beauthoulsoup?在
不管怎样,这是我的问题
这是我的代码:
import requests
from lxml import html
# Login data
inputUrl = 'http://forum.mytestsite.com/login'
usr = 'myusername'
pwd = 'mypassword'
payload = dict(login=usr, password=pwd)
# Open session
with requests.Session() as s:
# Login
s.post(inputUrl, data=payload)
# Get page data
pageResult = s.get('http://forum.mytestsite.com/icons/', allow_redirects=False)
pageResult = html.fromstring(pageResult.content)
pageIcons = pageResult.xpath('//script[@id="table-icons"]/text()')
print pageIcons[0]
打印页面图标[0]时的结果:
^{pr2}$
这是生成代码的
<script id="table-icons" type="text/x-handlebars-template">
<ul id="icons">
{{#each icons}}
<li data-handle="{{handle}}">
<img src="{{image_path}}" alt="{{desc_or_name this}}" title="{{desc_or_name this}}">
</li>
{{/each}}
</ul>
</script>
下面是页面上的结果:
<ul id="icons">
<li data-handle="558FSTBI" class="">
<img src="http://testsite.com/icons/558FSTBI.1.png" alt="Icon 1" title="Icon 1">
</li>
<li data-handle="310AYTZI">
<img src="http://testsite.com/icons/310AYTZI.1.png" alt="Icon 2" title="Icon 2">
</li>
<li data-handle="669PQXBI" class="">
<img src="http://testsite.com/icons/669PQXBI.1.png" alt="Icon 3" title="Icon 3">
</li>
</ul>
我的目标:
我想做的是检索所有的li数据句柄,但我还没有找到如何检索这些数据的方法。所以我的目标是检索所有的图标路径和它们的标题,有人能帮我吗?非常感谢您的帮助:)
您没有分析
li
或ul
。在从这个开始
从这些元素中,你可以提取个人信息
关于第一个问题,beauthoulsoup可以选择使用lxml。如果您认为自己不需要它,并且对XPath很熟悉,那么不要担心它。在
但是,由于是Javascript生成页面,所以您需要一个无头浏览器而不是请求库。在
Get page generated with Javascript in Python
Reading dynamically generated web pages using python
相关问题 更多 >
编程相关推荐