Question

所以我想从visual.ly中删除可视化，但是现在我不明白“显示更多”按钮是如何工作的。截至目前，我的代码将获取图像链接，图像旁边的文本以及页面的链接。我想知道“显示更多”按钮是如何起作用的，因为我将尝试使用页面数量来循环。截至目前，我不知道我将如何单独循环每一个。关于我如何循环并继续获得比他们最初显示的更多图像的任何想法????

from BeautifulSoup import BeautifulSoup
import urllib2  
import HTMLParser
import urllib, re

counter = 1
columnno = 1
parser = HTMLParser.HTMLParser()

soup = BeautifulSoup(urllib2.urlopen('http://visual.ly/?view=explore&   type=static#v2_filter').read())

image = soup.findAll("div", attrs = {'class': 'view-mode-wrapper'})

if columnno < 4:
    column = image[0].findAll("div", attrs = {'class': 'v2_grid_column'})
    columnno += 1
else:
    column = image[0].findAll("div", attrs = {'class': 'v2_grid_column last'})

visualizations = column[0].findAll("div", attrs = {'class': '0 v2_grid_item viewmode-item'})

getImage = visualizations[0].find("a")

print counter

print getImage['href']

soup1 = BeautifulSoup(urllib2.urlopen(getImage['href']).read())

theImage = soup1.findAll("div", attrs = {'class': 'ig-graphic-wrapper'})

text = soup1.findAll("div", attrs = {'class': 'ig-content-right'})

getText = text[0].findAll("div", attrs = {'class': 'ig-description right-section first'})

imageLink = theImage[0].find("a")

print imageLink['href']

print getText

for row in image:
    theImage = image[0].find("a")

    actually_download = False
    if actually_download:
        filename = link.split('/')[-1]
        urllib.urlretrieve(link, filename)

counter += 1

Answer 1

你不能在这里使用urllib-parser组合，因为它使用javascript来加载更多内容。为此，您需要一个完整的浏览器模拟器（支持javascript）。我之前从未使用过Selenium，但我听说它会这样做，并且有一个python binding

但是，我发现它使用了一种非常可预测的形式

http://visual.ly/?page=<page_number>

的GET请求。或许更简单的方法就是

<div class="view-mode-wrapper">...</div>

解析数据（使用上面的url格式）。毕竟，ajax请求必须转到某个位置。

然后你可以做

for i in xrange(<whatever>):
    url = r'http://visual.ly/?page={pagenum}'.format(pagenum=i)
    #do whatever you want from here

我需要帮助网络抓取

1 个答案: