在下面的网页上搜索二手车数据 http://www.goo-net.com/php/search/summary.php?price_range=&pref_c=08,09,10,11,12,13,14&easysearch_flg=1
刮掉整个页面。在上面的网址中,只显示了前30个项目。这些可能会被我写的下面的代码所刮掉。其他页面的链接显示为1 2 3 ...但链接地址似乎是在Javascript中。我搜索了有用的信息,但找不到任何信息。
from bs4 import BeautifulSoup
import urllib.request
html = urllib.request.urlopen("http://www.goo-net.com/php/search/summary.php?price_range=&pref_c=08,09,10,11,12,13,14&easysearch_flg=1")
soup = BeautifulSoup(html, "lxml")
total_cars = soup.find(class_="change change_01").find('em').string
tmp = soup.find(class_="change change_01").find_all('span')
car_start, car_end = tmp[0].string, tmp[1].string
# get urls to car detail pages
car_urls = []
heading_inners = soup.find_all(class_="heading_inner")
for heading_inner in heading_inners:
href = heading_inner.find('h4').find('a').get('href')
car_urls.append('http://www.goo-net.com' + href)
for url in car_urls:
html = urllib.request.urlopen(url)
soup = BeautifulSoup(html, "lxml")
#title
print(soup.find(class_='hdBlockTop').find('p', class_='tit').string)
#price of car itself
print(soup.find(class_='price1').string)
#price of car including tax
print(soup.find(class_='price2').string)
tds = soup.find(class_='subData').find_all('td')
# year
print(tds[0].string)
# distance
print(tds[1].string)
# displacement
print(tds[2].string)
# inspection
print(tds[3].string)
如何抓取整个页面。我更喜欢使用BeautifulSoup4(Python)。但如果这不是合适的工具,请告诉我其他工具。
任何指导都将不胜感激。谢谢。
答案 0 :(得分:4)
python模块splinter可能是一个很好的起点。它调用外部浏览器(如Firefox)并访问浏览器的DOM而不是仅处理HTML。
答案 1 :(得分:4)
您可以使用selenium,例如以下示例:
from selenium import webdriver
driver = webdriver.Firefox()
driver.get('http://example.com')
element = driver.find_element_by_class_name("yourClassName") #or find by text or etc
element.click()