时间戳

首页 > 解决方案 > 找到所有的美丽汤只给出最后一个结果

python - 找到所有的美丽汤只给出最后一个结果

问题描述

我正在尝试使用漂亮的汤从页面中检索所有产品。该页面有分页，为了解决这个问题，我制作了一个循环来使所有页面的检索工作。但是，当我进入下一步并尝试“find_all()”标签时，它只给出最后一页的数据。如果我在一个孤立的页面上尝试它工作正常，所以我客人说从所有页面获取所有 html 是一个问题。

我的代码是下一个：

import pandas as pd
import numpy as np
from bs4 import BeautifulSoup
import urllib3 as ur

http = ur.PoolManager()

base_url = 'https://www.kiwoko.com/tienda-de-perros-online.html'

for x in range (1,int(33)+1):
    dog_products_http = http.request('GET', base_url+'?p='+str(x))
    soup = BeautifulSoup(dog_products_http.data, 'html.parser')
    print (soup.prettify)

和那些已经完成的：

soup.find_all('li', {'class': 'item product product-item col-xs-12 col-sm-6 col-md-4'})

正如我所说，如果我不使用 for 范围而只检索一页（例如：https ://www.kiwoko.com/tienda-de-perros-online.html?p=10 ，它可以正常工作并给我36 种产品。

我已经把“汤”复制到一个word文件中，搜索类看看有没有问题，但是我要找的1.153产品全都有。

所以，我认为汤是正确的，但当我寻找“不止一个 html”时，我认为 find all 运行良好。

可能是什么问题呢？

标签： pythonhtmlweb-scrapingbeautifulsoup

解决方案

您确实希望您find在循环中，但这是一种复制页面生成的 ajax 调用的方法，它允许您为每个请求返回更多项目，还可以动态计算页面数并对所有产品发出请求。

我重新使用与 Session 的连接以提高效率。

from bs4 import BeautifulSoup as bs
import requests, math

results = []

with requests.Session() as s:
    r = s.get('https://www.kiwoko.com/tienda-de-perros-online.html?p=1&product_list_limit=54&isAjax=1&_=1560702601779').json()
    soup = bs(r['categoryProducts'], 'lxml')
    results.append(soup.select('.product-item-details'))
    product_count = int(soup.select_one('.toolbar-number').text)  
    pages = math.ceil(product_count / 54)

    if pages > 1:
        for page in range(2, pages + 1):
            r = s.get('https://www.kiwoko.com/tienda-de-perros-online.html?p={}&product_list_limit=54&isAjax=1&_=1560702601779'.format(page)).json()
            soup = bs(r['categoryProducts'], 'lxml')
            results.append(soup.select('.product-item-details'))

results = [result for item in results for result in item]
print(len(results))
# parse out from results what you want, as this is a list of tags, or do in loop above

推荐阅读