Question

我对Python非常陌生，所以这可能很简单，也可能是缩进问题。我试图用漂亮的汤刮掉几个网页，创建一个字典列表，然后我可以使用它来操纵数据。

代码似乎工作正常，但我最终得到的列表（liste_flat）只是相同的两个词典的列表。我想要一份不同的词典列表。

def scrap_post(url):
    url = "https://www.findproperly.co.uk/property-to-rent-london/commute/W3siaWQiOjkxMDYsImZyZXEiOjUsIm1ldGgiOiJwdWJ0cmFucyIsImxuZyI6LTAuMTI0Nzg5LCJsYXQiOjUxLjUwODR9XQ==/max-time/90/page/".format(i)
    dictionary = {}
    response = requests.get(url)
    soup = bs(response.text,"lxml")
    taille = len(soup.find_all("div", class_="col-sm-6 col-md-4 col-lg-3 pl-grid-prop not-viewed ")) #48 entries
    for num_ville in range(0,taille):
        print(num_ville)
        apt_id = soup.find_all("div", class_="col-sm-6 col-md-4 col-lg-3 pl-grid-prop not-viewed ")[num_ville]['data-id']
        entry = soup.find_all("div", class_="col-sm-6 col-md-4 col-lg-3 pl-grid-prop not-viewed ")[num_ville]
        pricepw = soup.find_all('div', class_='col-xs-5 col-sm-4 price')[num_ville].find('h3').text.encode('utf-8').replace('\xc2\xa3','',).replace('pw','',).strip()
        rooms = soup.find_all('div', class_='col-xs-6 type')[num_ville].find('p').text.encode('utf-8').strip()
        lat = soup.find_all('div', {"itemprop":"geo"})[num_ville].find('meta', {'itemprop':'latitude'})['content']
        lon = soup.find_all('div', {"itemprop":"geo"})[num_ville].find('meta', {'itemprop':'longitude'})['content']
        dictionary[num_ville]={'Price per week':pricepw,'Rooms':rooms,'Latitude':lat,'Longitude':lon}
    return dictionary

#get all URLs
liste_url = []
liste_url = ['https://www.findproperly.co.uk/property-to-rent-london/commute/W3siaWQiOjkxMDYsImZyZXEiOjUsIm1ldGgiOiJwdWJ0cmFucyIsImxuZyI6LTAuMTI0Nzg5LCJsYXQiOjUxLjUwODR9XQ==/max-time/90/page/''%i' %i for i in range(1,3)]

#get flats
liste_flat = [scrap_post(i) for i in liste_url]

我必须以某种方式在同一个网站上循环两次。关于如何确保我在不同网站上循环的任何建议？

谢谢！

Answer 1

是的，您正在循环使用同一个网站，因为您已在函数中对url变量进行了硬编码。

url = "https://www.findproperly.co.uk/property-to-rent-london/commute/W3siaWQiOjkxMDYsImZyZXEiOjUsIm1ldGgiOiJwdWJ0cmFucyIsImxuZyI6LTAuMTI0Nzg5LCJsYXQiOjUxLjUwODR9XQ==/max-time/90/page/".format(i)

无论您发送给函数的是什么，它都将始终使用此URL。您可能想删除它。您还没有在字符串中放置占位符，.format(i)基本上什么也没做。

字典循环在刮取时调用相同的网站

1 个答案: