Question

我正在尝试从Garmin站点获取高尔夫数据。我想得到高尔夫球场的名称和地址，但我在运行脚本后。我注意到我的代码只是一遍又一遍地重复第一页数据。我还注意到网站上的页码不是从1开始，而是在第二页的10开始。我如何从这个网站提取数据并获取所有数据，而不是仅重复第一页。

import csv
import codecs
import requests 
from bs4 import BeautifulSoup


courses_list= []
for i in range(10):
    url = "http://sites.garmin.com/clsearch/courses?browse=1&country=US&lang=en&per_page={}".format(i)
    r = requests.get(url)

    soup = BeautifulSoup(r.content)

    g_data2=soup.find_all("div",{"class":"result"})

    for item in g_data2:
     try:
        name= item.contents[3].find_all("div",{"class":"name"})[0].text
        print name
     except:
        name=''
    try:
        address= item.contents[3].find_all("div",{"class":"location"})[0].text
    except:
        address=''


    course=[name,address]
    courses_list.append(course)


with open ('G_Final.csv','a') as file:
    writer=csv.writer(file)
    for row in courses_list:
        writer.writerow([s.encode("utf-8") for s in row])

Answer 1

你发现了这个问题。

然后改变

url = "http://...?browse=1&country=US&lang=en&per_page={}".format(i)

到

url = "http://...?browse=1&country=US&lang=en&per_page={}".format(i*20)

Answer 2

只需将其更改为：

对于范围内的 i (0, 10)： url = "http://sites.garmin.com/clsearch/courses?browse=1&country=US&lang=en&per_page={i}"

使用python和美丽的汤4进行网页抓取后重复数据

2 个答案: