主页 / 问题 / 1514527
Accepted
shezyy
Asked:2023-04-20 04:39:43 +0800 CST2023-04-20 04:39:43 +0800 CST

解析的时候，取的是英文版的站点

  • 772

我正在编写一个应该采用折扣结束日期的解析器，但出于某种原因，采用了网站的英文版本，尽管在标头中指定了接受语言。请帮忙解析俄罗斯数据！

import requests
from bs4 import BeautifulSoup
import re


def get_data(url):
    headers = {
        'Accept-Language': 'ru-RU,ru;q=0.9,en-US;q=0.8,en;q=0.7',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                      'Chrome/112.0.0.0 Safari/537.36'

    }

    req = requests.get(url, headers)
    soup = BeautifulSoup(req.text, 'lxml')
    date = soup.find('p', class_='game_purchase_discount_countdown').text
    regex_pattern = r'(\d{1,2})\s+(\w+)'

    match = re.search(regex_pattern, date)

    if match:
        day = match.group(1)
        month = match.group(2).capitalize()
        print(f"{day} {month}")
    

get_data("https://store.steampowered.com/app/552500/Warhammer_Vermintide_2/")

结论：

25 April
парсер

1 个回答

  1. Best Answer

    @Daniil Loban，你是徒劳的，当然......这里的一切都很好，而且非常简单，不像这个问题，课程是通过后端设置加载的。并使用 Selenium 进行解析 - 好吧，就是这样。

    在那里，一切都很棒。
    让我们重复最少的代码：

    import requests
from bs4 import BeautifulSoup as BS
import re

s = requests.Session()
r = s.get('https://store.steampowered.com/app/552500/Warhammer_Vermintide_2/')
soup = BS(r.content, 'lxml')

regex_pattern = r'(\d{1,2})\s+(\w+)'

offer = soup.find('p', class_='game_purchase_discount_countdown').text
date = re.search(regex_pattern, offer)[0] 
print(date)
    结论：
    25 April

    可预测。
    如您所见，我什至没有理会标题。现在，让我们看看当您登录 Steam 并更改语言时会发生什么！不用挖很久，我们进去狐狸看，有招摇的名字Steam_Language。我们拿起它并添加一个 cookie，我在这里更详细地讨论了它们的创建。

    s.cookies.set('Steam_Language', 'russian', domain='store.steampowered.com')

    我们再次获得页面、解析器、正则表达式和‥ 我们得到April 25，干杯！

    选择

    但是，正如您被正确告知的那样，如果它根本无法解决问题，那么您需要寻找替代方案。好吧，例如，翻译：

    from deep_translator import GoogleTranslator
translated = GoogleTranslator(source='en', target='ru').translate(date)
print(translated)
    结论：
    25 апреля

    总的来说，到这里就可以完成答案了，我们得到了我们想要的，我们用cookies得到的更早，但是因为 我们心爱的俄语既美妙又复杂，翻译时可能不会那么美妙，例如，如果您删除25或翻译者没有猜出正确的大小写：

    translated = GoogleTranslator(source='en', target='ru').translate(date[3:])
print(translated)
    结论：
    апрель

    巴赫，四月。
    主格。事实上，这种情况不仅在翻译中很流行。可以做什么？
    使用pymorphy：

    import pymorphy2
morph = pymorphy2.MorphAnalyzer()
morphed = morph.parse(translated)[0].inflect({'gent'}).word
print(morphed)
    结论：
    апреля

    所以，我们使用 cookies 并且知道如何替代 🥰

    更新程序

    在关闭浏览器之前，我再次查看了那里有什么 cookie。结果也很有趣timezoneOffset，我建议也添加它，因为。处理日期。

    • 3

相关问题