Question

我想获得指向某种json文档的链接，某些网页在加载后会下载。例如在this webpage上：

但这可能是a different webpage上的一个完全不同的文档。不幸的是，我在源页面中找不到Beautfiul汤的链接。

到目前为止，我已经尝试过：

import requests
import json

data = {
  "Device[udid]": "",
  "API_KEY": "",
  "API_SECRET": "",
  "Device[change]": "",
  "fbToken": ""
}

headers = {
  "User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.119 Safari/537.36"
}

url = "https://data.electionsportal.ge/en/event_type/1/event/38/shape/69898/shape_type/1?data_type=official"

r = requests.post(url, data=data, headers=headers)
data = r.json()

但是它返回json解码错误：

---------------------------------------------------------------------------
JSONDecodeError                           Traceback (most recent call last)
<ipython-input-72-189954289109> in <module>
     17 
     18 r = requests.post(url, data=data, headers=headers)
---> 19 data = r.json()
     20 

C:\ProgramData\Anaconda3\lib\site-packages\requests\models.py in json(self, **kwargs)
    895                     # used.
    896                     pass
--> 897         return complexjson.loads(self.text, **kwargs)
    898 
    899     @property

C:\ProgramData\Anaconda3\lib\json\__init__.py in loads(s, encoding, cls, object_hook, parse_float, parse_int, parse_constant, object_pairs_hook, **kw)
    346             parse_int is None and parse_float is None and
    347             parse_constant is None and object_pairs_hook is None and not kw):
--> 348         return _default_decoder.decode(s)
    349     if cls is None:
    350         cls = JSONDecoder

C:\ProgramData\Anaconda3\lib\json\decoder.py in decode(self, s, _w)
    335 
    336         """
--> 337         obj, end = self.raw_decode(s, idx=_w(s, 0).end())
    338         end = _w(s, end).end()
    339         if end != len(s):

C:\ProgramData\Anaconda3\lib\json\decoder.py in raw_decode(self, s, idx)
    353             obj, end = self.scan_once(s, idx)
    354         except StopIteration as err:
--> 355             raise JSONDecodeError("Expecting value", s, err.value) from None
    356         return obj, end

JSONDecodeError: Expecting value: line 1 column 1 (char 0)

Answer 1

您尝试在HTML内容中找到的JSON由客户端通过带有XMLHttpRequests的javascript加载。这意味着您将无法使用BeautifulSoup在包含URL的HTML中找到标记，该标记位于<script>块内部或外部。

此外，您正在尝试将用HTML编写的网页转换为JSON。并尝试访问在网页或JSON内容中未定义的键（ coins ）。

解决方案

直接加载该JSON，而无需尝试在上述网站中使用BeautifulSoup查找JSON URL。这样，您就可以完美运行requests.json()。
否则，请查看Selenium，这是一个网络驱动程序，可让您运行javascript。

希望可以将其清除。

Answer 2

这适用于您帖子中的两个链接：

from bs4 import BeautifulSoup
import requests
url = 'https://data.electionsportal.ge/en/event_type/1/event/38/shape/69898/shape_type/1?data_type=official'
r = requests.get(url)
soup = BeautifulSoup(r.text)
splits = [item.split('=',1)[-1] for item in str(soup.script).split(';')]
filtered_splits = [item.replace('"','') for item in splits if 'json' in item and not 'xxx' in item]
links_to_jsons = ["https://data.electionsportal.ge" + item for item in    filtered_splits]
for item in links_to_jsons:
   r = requests.get(item)
   print(r.json())       # change as you want

顺便说一句。我猜测您可以通过将数字69898更改为在另一个网页中处于相似位置的数字来构造json链接（但仍然是data.electionsportal.ge）。

如何从网站中提取XHR响应数据？

2 个答案: