主页 / 问题 / 1443490
Accepted
jiezzzzzzzzz
Asked:2022-08-28 19:24:06 +0000 UTC2022-08-28 19:24:06 +0000 UTC

解析器返回一个空列表

  • 772

我正在尝试解析 Avito，但无论我写什么，都会显示一个空列表，而不是任何数据。任何类，任何标签 - 仍然返回一个空列表。该怎么办？这是我的代码：

import requests
from bs4 import BeautifulSoup


url = 'https://www.avito.ru/'
html = requests.get(url)

soup = BeautifulSoup(html.text, 'lxml')
a = soup.find_all('div', class_='body-titleRow-AvL3d')
print(a)
python

1 个回答

  1. Best Answer

    如果您只是打印响应终端中的请求而到达的 html，您将看到以下内容：

    在此处输入图像描述

    好吧，因此，如果您将相同的代码保存到文件中，您将看到：

    在此处输入图像描述

    但是，如果您通过常规浏览器访问 Avito，您会看到一切正常。事实证明，Avito 可以识别您请求中的自动请求，即使您设置了标头和 cookie，答案也是一样的。

    但是你可以使用 selenium，这是在评论中写的。为此，您需要通过运行以下命令使用 pip 安装它：

    pip install selenium。

    然后，您需要下载适用于您操作系统的 Web 驱动程序，例如 Chrome 的驱动程序，请点击此处。

    更多详细信息，您可以在项目本身的页面上阅读。

    如果您尚未安装 Google Chrome 浏览器（例如），请安装它。

    好吧，这里有一个小例子，它使用 Avito 的页面加载。

    import os
import time
from platform import system

from bs4 import BeautifulSoup
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.chrome.service import Service
from selenium_stealth import stealth

options = Options()
# options.add_argument("--headless")
options.add_argument("start-maximized")
options.add_experimental_option("excludeSwitches", ["enable-automation"])
options.add_experimental_option('useAutomationExtension', False)

executable_path = None

if system() == "Windows":
    executable_path = os.path.join(os.getcwd(), 'chromedriver', 'chromedriver.exe')
elif system() == "Linux":
    executable_path = os.path.join(os.getcwd(), 'chromedriver', 'chromedriver')

browser = webdriver.Chrome(options=options, service=Service(log_path=os.devnull, executable_path=executable_path))

stealth(driver=browser,
        user_agent='Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                   'Chrome/83.0.4103.53 Safari/537.36',
        languages=["ru-RU", "ru"],
        vendor="Google Inc.",
        platform="Win32",
        webgl_vendor="Intel Inc.",
        renderer="Intel Iris OpenGL Engine",
        fix_hairline=True,
        run_on_insecure_origins=True,
        )

url = 'https://www.avito.ru/'
browser.get(url)
time.sleep(1)

soup = BeautifulSoup(browser.page_source, 'lxml')
a = soup.find_all('div', class_='body-titleRow-AvL3d')
print(a)

browser.quit()

    这里发生了什么？浏览器以所谓的隐身模式加载，这有助于隐藏浏览器由自动化软件控制的事实。但是，并非总是如此，也并非在所有网站上都如此。然后某些选项被设置到浏览器。转换到 Avito 页面，加载页面，然后我使用你的代码，只加载浏览器接收到的结果。现在，您要查找的标签已成功找到。

    在此处输入图像描述

    所以，是的，对于像 Avito 这样的网站，具有动态内容和各种解析器和抓取工具的保护，您可以使用 selenium。

    UPD：我忘了提到，在这个例子中，驱动程序应该在项目目录的“chromedriver”文件夹中。

    希望我的解释对你有一点帮助。

    • 2

相关问题