Question

我正在使用此脚本从sciencedirect文章中检索作者信息，但是在尝试打印该值时却一无所获。

import requests
from bs4 import BeautifulSoup
from urllib import urlopen
import csv
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

with open('urls.txt') as inf:
    urls = (line.strip() for line in inf)
    for url in urls:
        site = urlopen(url)   
        soup = BeautifulSoup(site, "lxml")
        for item in soup.find_all("div", {"class": "AuthorGroups"}):
            final = item.text,url
            print final

在urls.txt中，我使用了这两个url（https://www.sciencedirect.com/science/article/pii/009286749290520M,https://www.sciencedirect.com/science/article/pii/0092867495903682）

Answer 1

如果BeautifulSoup没有返回期望值，请参阅来自服务器的html响应。

您的请求被阻止，因为它需要设置适当的用户代理。

.....
headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:56.0) Gecko/20100101 Firefox/56.0'}
for url in urls:
    print url
    site = requests.get(url, headers=headers).text
    .....

使用python beautifulsoup进行网络抓取但未获得价值

1 个答案: