Question

我目前正试图抓取跟随'https://sports.bovada.lv/soccer/premier-league'

的json输出

它有一个包含以下内容的来源

<script type="text/javascript">var swc_market_lists = {"items":[{"description":"Game Lines","id":"23", ... </script>

我试图获取swc_market_lists var

的内容

现在我遇到的问题是当我使用以下代码时

import requests
from lxml import html



url = 'https://sports.bovada.lv/soccer/premier-league'
r = requests.get(url)
tree = html.fromstring(r.content)
var = tree.xpath('//script')
print(var)

我得到一个空的var值。

我还尝试保存r.text并查看它，但我没有在那里看到脚本标记。

我错过了什么？

Answer 1

您需要传递User-Agent标题才能使其正常工作：

r = requests.get(url, headers={"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.103 Safari/537.36"})

要获得所需的script，您可以检查文本中是否存在swc_market_lists：

script = tree.xpath('//script[contains(., "swc_market_lists")]/text()')[0]
print(script)

提取swc_market_lists变量值：

import re

data = re.search(r"var swc_market_lists = (.*?);$", script).group(1)
print(data)

然后，为了便于使用它，请将json.loads()加载到Python字典中：

import json
data = json.loads(data)

在脚本标记内解析json var

1 个答案: