RError.com

RError.com Logo RError.com Logo

RError.com Navigation

  • 主页

Mobile menu

Close
  • 主页
  • 系统&网络
    • 热门问题
    • 最新问题
    • 标签
  • Ubuntu
    • 热门问题
    • 最新问题
    • 标签
  • 帮助
主页 / 问题 / 1321465
Accepted
MaxDown
MaxDown
Asked:2022-08-26 13:44:58 +0000 UTC2022-08-26 13:44:58 +0000 UTC 2022-08-26 13:44:58 +0000 UTC

药房网站解析器

  • 772

创建了一个小型解析器

import requests
from bs4 import BeautifulSoup

URL = 'https://apteka.ru/vendor/Эгис%20Фармацевтический%20завод%20ЗАО/'
HEADERS = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36',
           'accept': '*/*'}
HOST = 'https://apteka.ru'

def get_html(url, params=None):
    r = requests.get(url, headers=HEADERS, params=params)
    return  r

def get_content(html):
    soup = BeautifulSoup(html, 'html.parser')
    items = soup.find_all('div', class_='catalog-card card-flex')

    lp = []
    for item in items:
        count = item.find('span', class_='light-button__label').get_text(strip=True)
        if count == 'Купить':
            lp.append({
                'name': item.find('a', class_='catalog-card__name').get_text(strip=True),
                'vendor': item.find('span', class_='emphasis').get_text(strip=True),
                'price': item.find('span', class_='moneyprice__roubles').get_text(strip=True),
                'currency': item.find('span', class_='moneyprice__currency').get_text(strip=True),
                'link': HOST + item.find('a').get('href')
            })
        else:
            lp.append({
                'link': HOST + item.find('a').get('href')
            })
    return lp

def parse():
    html = get_html(URL)
    if html.status_code == 200:
        lp = get_content(html.text)
        print(lp)
    else:
        print('Error')


parse()

问题:

  1. 如果在网站上count = 'Купить'- 这意味着只有一种剂量,否则有选择。lp然后在我只放的数组中link。当数组已经形成时,您是否需要在操作期间get_content(html)通过额外的调用link或在之后检查?插入同一个数组如何更正确?parse()lp
  2. 如何绕过所有页面,而不仅仅是第一个?

更新:

  1. 不必要的问题,改变了结构,现在更好更快
  2. 绕过执行如下(如果页面上没有产品卡,则会在页面上显示一个新类):
def parse():
    i = 1
    LP = []
    # Для каждой страницы
    while get_html(URL, {'page': i}).status_code == 200:
        html = get_html(URL, {'page': i})
        soup = BeautifulSoup(html.text, 'html.parser')
        page = soup.find('div', class_='catalog-empty-response')

        # Остановка в случае пустой витрины на странице
        if page:
            break
        else:
            lp = get_content(html.text)
            LP = LP + lp
            i = i + 1
    print(LP)
python
  • 1 1 个回答
  • 10 Views

1 个回答

  • Voted
  1. Best Answer
    KoVadim
    2022-08-26T14:47:51Z2022-08-26T14:47:51Z

    如何绕过所有页面,而不仅仅是第一个?

    有三种方法:

    1. 形成所有可能的链接,下载。但这并不总是可能的。

    2. 递归下载。当我们得到一个新链接时,我们只需调用“下载页面”函数。如果页面和嵌套很少,那么它工作得很好并且很容易编码。

    3. 列出方式。原理图代码

       urls_to_download = ["http://start_url"]
       downloaded_urls = [] # может лучше set?
       while urls_to_download не пустой:
         #извлечь один url  с списка urls_to_download 
         url = urls_to_download.pop()
         if url in downloaded_urls:
           continue
         new_urls = download(url)
         # добавить new_urls  в urls_to_download 
         urls_to_download = urls_to_download  + new_urls
         #добавить url  в список downloaded_urls 
         downloaded_urls.append(url)
      
       def download(url):
         #скачиваем и парсим страницу.
         page = get(url)
         #сохраняем в базу/диск
         save_page(page);
         #возвращаем список спарсеных с страницы ссылок
         return extract_urls(page)
      
    • 3

相关问题

  • 是否可以以某种方式自定义 QTabWidget?

  • telebot.anihelper.ApiException 错误

  • Python。检查一个数字是否是 3 的幂。输出 无

  • 解析多个响应

  • 交换两个数组的元素,以便它们的新内容也反转

Sidebar

Stats

  • 问题 10021
  • Answers 30001
  • 最佳答案 8000
  • 用户 6900
  • 常问
  • 回答
  • Marko Smith

    表格填充不起作用

    • 2 个回答
  • Marko Smith

    提示 50/50,有两个,其中一个是正确的

    • 1 个回答
  • Marko Smith

    在 PyQt5 中停止进程

    • 1 个回答
  • Marko Smith

    我的脚本不工作

    • 1 个回答
  • Marko Smith

    在文本文件中写入和读取列表

    • 2 个回答
  • Marko Smith

    如何像屏幕截图中那样并排排列这些块?

    • 1 个回答
  • Marko Smith

    确定文本文件中每一行的字符数

    • 2 个回答
  • Marko Smith

    将接口对象传递给 JAVA 构造函数

    • 1 个回答
  • Marko Smith

    正确更新数据库中的数据

    • 1 个回答
  • Marko Smith

    Python解析不是css

    • 1 个回答
  • Martin Hope
    Alexandr_TT 2020年新年大赛! 2020-12-20 18:20:21 +0000 UTC
  • Martin Hope
    Alexandr_TT 圣诞树动画 2020-12-23 00:38:08 +0000 UTC
  • Martin Hope
    Air 究竟是什么标识了网站访问者? 2020-11-03 15:49:20 +0000 UTC
  • Martin Hope
    Qwertiy 号码显示 9223372036854775807 2020-07-11 18:16:49 +0000 UTC
  • Martin Hope
    user216109 如何为黑客设下陷阱,或充分击退攻击? 2020-05-10 02:22:52 +0000 UTC
  • Martin Hope
    Qwertiy 并变成3个无穷大 2020-11-06 07:15:57 +0000 UTC
  • Martin Hope
    koks_rs 什么是样板代码? 2020-10-27 15:43:19 +0000 UTC
  • Martin Hope
    Sirop4ik 向 git 提交发布的正确方法是什么? 2020-10-05 00:02:00 +0000 UTC
  • Martin Hope
    faoxis 为什么在这么多示例中函数都称为 foo? 2020-08-15 04:42:49 +0000 UTC
  • Martin Hope
    Pavel Mayorov 如何从事件或回调函数中返回值?或者至少等他们完成。 2020-08-11 16:49:28 +0000 UTC

热门标签

javascript python java php c# c++ html android jquery mysql

Explore

  • 主页
  • 问题
    • 热门问题
    • 最新问题
  • 标签
  • 帮助

Footer

RError.com

关于我们

  • 关于我们
  • 联系我们

Legal Stuff

  • Privacy Policy

帮助

© 2023 RError.com All Rights Reserve   沪ICP备12040472号-5