时间戳

首页 > 解决方案 > 使用 python 从网站上抓取数据列表的最佳方法

python - 使用 python 从网站上抓取数据列表的最佳方法

问题描述

我正在从网页中抓取数据以在 API 中使用，并寻找最 Pythonic/最合适的方式来实现它 - 页面源有一个名为“markerData”的字典列表，我需要获取 lat 和 lng 值。

数据样本：

"markerData": [{"docEl":null,"lid":0,"clickable":true,"lat":34.0489281,"lng":-111.0937311,"title":"","iconURL":"/ /assets.bankofamerica.com/images/mapmarker2.png","info":"</div>查看亚利桑那州的所有位置</a></div></div></div></div></ div>"}, {"docEl":null,"lid":1,"clickable":true,"lat":35.20105,"lng":-91.8318334,"title":"","iconURL":"/ /assets.bankofamerica.com/images/mapmarker2.png","info":"</div>查看阿肯色州的所有位置</a></div></div></div></div></ div>"},

我过去曾多次使用 python 的 lxml 模块来完成此类任务，但是看到我的“markerData”不是一个明显的 html 结构，我试图找出最好的方法。具体来说，在下面的函数中，我一直试图为我的每个 lat 和 lng 值定义 tree.xpath。

lats = []
lngs = []

def get_coordinates():

    i = 0

    while i < 35:

            page = requests.get('https://locators.bankofamerica.com/&check_list=4429#')
            tree = html.fromstring(page.content)

            lat = tree.xpath('//div[@id=mapWrap/markerData/lat/text()'.format(i))
            lng = tree.xpath('//div[@id=mapWrap/markerData/lng/text()'.format(i))

            str1 = ''.join(lat)
            str2 = ''.join(lng)

            lats.append(str1)
            lngs.append(str2)

            i += 1

    return lats, lngs

我也无法抗拒可能有一种更简单的方法可以做到这一点的感觉，例如将整个页面源读入文本文件并尝试仅获取“markerData”列表。

我将不胜感激为我的 lat 和 lng 值定义 xpath 的任何帮助，或者关于如何隔离和捕获这些数据的任何替代想法。

标签： pythonhtmlweb-scrapingpython-requestslxml

解决方案

这是我编写的为我完成工作的函数，以防它可以帮助处于类似情况的其他人：

def get_coordinates():

        page = requests.get('https://locators.bankofamerica.com/&check_list=4429')
        tree = html.fromstring(page.content)

        lat_lng = tree.xpath("//script[contains(., 'markerData')]/text()")
        lat_lng_string = str(lat_lng)
        latitude = re.findall('"lat":\d+\.\d+', lat_lng_string)
        longitude = re.findall('"lng":-\d+\.\d+', lat_lng_string)

        la = re.findall('\d+\.\d+', str(latitude))
        lo = re.findall('-\d+\.\d+', str(longitude))

        coords = dict(zip(la, lo))

        return coords

推荐阅读