尝试在网站上抓取页面上所有鞋子的信息,但始终返回None

时间:2019-01-27 23:44:02

标签: python web-scraping beautifulsoup python-requests

im试图在该网站上抓取页面上的所有鞋子,但始终返回None,这是链接https://www.goat.com/sneakers, 这是我的代码

import requests
from bs4 import BeautifulSoup as bs
import json

url = 'https://www.goat.com/sneakers'
headers= {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) 
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 
Safari/537.36',
}
page = requests.get(url, headers=headers).text
soup = bs(page, "html.parser")
containers = soup.find_all('a', {'class': 'cell'})
for container in containers:
    print(container)

1 个答案:

答案 0 :(得分:2)

正如@PedroLobito所暗示的那样,网页不会直接对数据进行响应,而是在使用JavaScript发出初始请求后将其加载。这就是为什么您什么都看不到的原因:原始HTML没有运动鞋数据。从返回JSON的端点检索数据。直接请求更容易。

使用Web浏览器中内置的开发人员工具,我们可以看到对POST请求的发出:

https://2fwotdvm2o-dsn.algolia.net/1/indexes/product_variants_v2/query?x-algolia-agent=Algolia for vanilla JavaScript 3.25.1&x-algolia-application-id=2FWOTDVM2O&x-algolia-api-key=ac96de6fef0e02bb95d433d8d5c7038a

有效载荷是

{"params":"distinct=true&facetFilters=()&facets=%5B%22size%22%5D&hitsPerPage=20&numericFilters=%5B%5D&page=0&query="}

我们可以直接通过请求进行请求,并使用响应对象的json()方法来实际使用数据,例如:

import json
import requests

url = 'https://2fwotdvm2o-dsn.algolia.net/1/indexes/product_variants_v2/query?x-algolia-agent=Algolia for vanilla JavaScript 3.25.1&x-algolia-application-id=2FWOTDVM2O&x-algolia-api-key=ac96de6fef0e02bb95d433d8d5c7038a'
data = {"params":"distinct=true&facetFilters=()&facets=%5B%22size%22%5D&hitsPerPage=20&numericFilters=%5B%5D&page=0&query="}
r = requests.post(url, data=json.dumps(data))
print(r.json()['hits'][0])

这给了我们

{'product_template_id': 116662, 'shoe_condition': 'used', 'box_condition': 'badly_damaged', 'lowest_price_cents': 18500, 'instant_ship_lowest_price_cents': None, 'brand_name': 'adidas', 'category': ['lifestyle'], 'color': 'White', 'designer': 'Kanye West', 'details': 'Cream White/Cream White/Core White', 'gender': ['men'], 'grid_picture_url': 'https://image.goat.com/375/attachm...