含硒的Glassdoor Web刮板

时间:2019-01-04 21:22:32

标签: python selenium web-scraping

我正在尝试抓取下面链接左下方图表中显示的评级趋势数据,但似乎无法找出一种方法来获取它。我担心这是因为它是作为图片嵌入的,因此无法访问数据,但我想检查一下。

添加了我缝合在一起的代码,但是我只得到了轴值。

任何帮助将不胜感激。

https://www.glassdoor.com/Reviews/Netflix-Reviews-E11891.htm#trends-overallRating

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from time import sleep
import pandas as pd
from selenium.webdriver.common import action_chains, keys
from selenium.common.exceptions import NoSuchElementException
import numpy as np
import sys
import re
import warnings

options = Options()
options.headless = True


driver = webdriver.Chrome(r'PATH',options=options)
driver.get('https://www.glassdoor.com/Reviews/Netflix-Reviews-E11891.htm#trends-overallRating')

trend_element = driver.find_elements_by_xpath('//*[@id="DesktopTrendChart"]')[0]
trend = trend_element.text
print(trend)

1 个答案:

答案 0 :(得分:2)

我本来是用BeautifulSoup尝试的。

我能够拉出相应值的所有坐标(我确实成功做到了)。花了大约一个小时左右的时间,找到了所有的位置,将其提取出来,并放入一个整洁的数据框。

下一步,我将x和y坐标转换为相应的x和y标签,然后进行插值以创建更精细的数据集(我尚未尝试过)。我预计这将需要大约一个小时左右。

在此之前,我做了一些研究,发现了一篇有趣的文章here

在阅读它之后,再回到原始问题,能够以以下方式做到这一点:a)减少一行代码,b)没有BeautifulSoup,并且c)花了我大约5-10分钟的时间,以及d)我学到新东西。

因此,请仔细阅读该链接,查看代码,这将为您提供所需的信息。

import requests
import json
import pandas as pd

url = 'https://www.glassdoor.co.uk/api/employer/11891-rating.htm?dataType=trend&category=overallRating&locationStr=&jobTitleStr=&filterCurrentEmployee=false'

with requests.Session() as se:
    se.headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36",
        "Accept-Encoding": "gzip, deflate",
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8",
        "Accept-Language": "en"
    }
    response = se.get(url)

data = json.loads(response.text)

results = pd.DataFrame()
results['date'], results['rating'] = data['dates'], data['employerRatings']

输出:

print (results)
          date  rating
0   2018/12/30  3.66104
1   2018/12/30  3.66311
2   2018/11/25  3.69785
3   2018/10/28  3.73478
4    2018/9/30  3.68311
5    2018/8/26  3.69093
6    2018/7/29  3.70312
7    2018/6/24  3.74851
8    2018/5/27  3.67543
9    2018/4/29  3.67500
10   2018/3/25  3.62248
11   2018/2/25  3.73467
12   2018/1/28  3.70791
13  2017/12/31  3.72217
14  2017/11/26  3.69733
15  2017/10/29  3.61443
16   2017/9/24  3.47046
17   2017/8/27  3.46511
18   2017/7/30  3.46711
19   2017/6/25  3.48164
20   2017/5/28  3.52925
21   2017/4/30  3.46825
22   2017/3/26  3.46874
23   2017/2/26  3.52620