时间戳

首页 > 解决方案 > 使用 dt 类名 selenium python 打印元素

python - 使用 dt 类名 selenium python 打印元素

问题描述

我正在尝试为Linkedin 中的 Sales Navigator编写一个简单的刮板，这是我要刮的链接。它具有为帐户结果选择的特定过滤器选项的搜索结果。

我试图实现的目标是检索搜索结果中的每个公司名称。在检查带有公司名称的链接元素（例如：Facile.it、AGT 国际）时，我看到以下 js 脚本，显示dt 类名

    <dt class="result-lockup__name">
    <a id="ember208" href="/sales/company/2429831?_ntb=zreYu57eQo%2BSZiFskdWJqg%3D%3D" class="ember-view">  Facile.it

    </a>    </dt>

我基本上想检索这些名称并打开 href 中表示的 url。

可以注意到，所有公司名称链接都具有相同的 dt 类result-lockup__name。以下脚本尝试收集搜索结果中显示的所有公司名称及其元素的列表。

    from selenium import webdriver
    from selenium.webdriver.common.keys import Keys
    from bs4 import BeautifulSoup
    import re
    import pandas as pd
    import os

    def scrape_accounts(url):

        url = "https://www.linkedin.com/sales/search/companycompanySize=E&geoIncluded=emea%3A0%2Ceurope%3A0&industryIncluded=6&keywords=AI&page=1&searchSessionId=zreYu57eQo%2BSZiFskdWJqg%3D%3D"
        driver = webdriver.PhantomJS(executable_path='C:\\phantomjs\\bin\\phantomjs.exe')
        #driver = webdriver.Firefox()
        #driver.implicitly_wait(30)
        driver.get(url)

        search_results = []
        search_results = driver.find_elements_by_class_name("result-lockup__name")
        print(search_results)

    if __name__ == "__main__":

        scrape_accounts("lol")

但是，结果会打印一个空列表。我正在尝试学习抓取网页的不同部分和不同的元素，因此我不确定我是否正确。什么是正确的方法？

标签： pythonseleniumweb-scrapingbeautifulsoup

解决方案

恐怕我无法访问您所追求的页面，但我注意到您正在导入漂亮的汤，但没有使用它。

尝试：

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
from bs4 import BeautifulSoup
import re
import pandas as pd
import os

url = "https://www.linkedin.com/sales/search/companycompanySize=E&geoIncluded=emea%3A0%2Ceurope%3A0&industryIncluded=6&keywords=AI&page=1&searchSessionId=zreYu57eQo%2BSZiFskdWJqg%3D%3D"

def scrape_accounts(url = url):

    driver = webdriver.PhantomJS(executable_path='C:\\phantomjs\\bin\\phantomjs.exe')
    #driver = webdriver.Firefox()
    #driver.implicitly_wait(30)
    driver.get(url)

    html = driver.find_element_by_tag_name('html').get_attribute('innerHTML')

    soup = BeautifulSoup(html, 'html.parser')
    search_results = soup.select('dt.result-lockup__name a')
    for link in search_results:
        print(link.text.strip(), link['href'])

推荐阅读