我试图从imdb监视列表中获取电影标题。这是我的代码:
Stream<MyObject> sortedStream = myStreamUnsorted().sort(onADailyBasis());
即使&#39; .lister-item-header&#39;存在于chrome开发者控制台中,它不存在于请求模块下载的html文件中。我也尝试过使用正则表达式。检索标题的最佳方法是什么?
答案 0 :(得分:0)
您应该以这种方式按类别选择元素。
import requests
import bs4
url = 'http://www.imdb.com/chart/top'
res = requests.get(url)
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text, "html.parser")
rows = soup.select('.titleColumn > a')
for row in rows:
print(row.text)
或者你可以这样做:
import requests
import bs4
url = 'http://www.imdb.com/chart/top'
res = requests.get(url)
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text, "html.parser")
rows = soup.find_all('td', class_='titleColumn')
for row in rows:
print(row.a.text)
数据是从嵌入到原始html文件中的json对象加载的,因此我们可以解析它并获得标题。
import requests
import bs4
import json
url = 'http://www.imdb.com/user/ur69187878/watchlist?ref_=wt_nv_wl_all_1'
res = requests.get(url)
res.raise_for_status()
soup = bs4.BeautifulSoup(res.text, "html.parser")
# rows = soup.find_all('h3', class_='list-item-header')
js_elements = soup.find_all('script')
js_text = None
search_str = 'IMDbReactInitialState.push('
for element in js_elements:
text = element.text
if search_str in text:
js_text = text.strip()
break
json_start = js_text.index(search_str) + len(search_str)
json_text = js_text[json_start:-2]
json_obj = json.loads(js_text[json_start:-2])
for title in json_obj['titles']:
json_title = json_obj['titles'][title]
print(json_title['primary']['title'])
但是我不得不说这不是攻击这类问题的一般方法,如果你想为从json或api加载数据的所有页面都有一个通用解决方案,你可以使用其他方法,如{ {1}}。