时间戳

首页 > 解决方案 > 无法从网页解析不同的产品链接

python - 无法从网页解析不同的产品链接

问题描述

我在 Python 中创建了一个脚本来从网页中获取不同的产品链接。虽然我知道该网站的内容是动态的，但我尝试了常规方式让您告知我尝试过。我在开发工具中寻找 API，但找不到。没有任何方法可以使用请求获取这些链接吗？

网站链接

到目前为止，我已经写过：

import requests
from bs4 import BeautifulSoup

link = "https://www.amazon.com/stores/node/10699640011"

def fetch_product_links(url):
    res = requests.get(url,headers={"User-Agent":"Mozilla/5.0"})
    soup = BeautifulSoup(res.text,"lxml")
    for item_link in soup.select("[id^='ProductGrid-'] li[class^='style__itemOuter__'] > a"):
        print(item_link.get("href"))

if __name__ == '__main__':
    fetch_product_links(link)

如何使用请求从该站点获取不同的产品链接？

标签： pythonpython-3.xweb-scrapingbeautifulsouppython-requests

解决方案

我认为您只需要可以从您可以在网络选项卡中看到的另一个 url 构造收集的 asins，即您可以显着缩短最终 url。但是，您确实需要向原始 url 发出请求，以获取要在第二个 url 中使用的标识符。返回 146 个链接。

import requests, re, json

node = '10699640011'

with requests.Session() as s:
    r = s.get(f'https://www.amazon.com/stores/node/{node}')
    p = re.compile(r'var slotsStr = "\[(.*?,){3} share\]";')
    identifier = p.findall(r.text)[0]
    identifier = identifier.strip()[:-1]
    r = s.get(f'https://www.amazon.com/stores/slot/{identifier}?node={node}')
    p = re.compile(r'var config = (.*?);')
    data = json.loads(p.findall(r.text)[0])
    asins = data['content']['ASINList']
    links = [f'https://www.amazon.com/dp/{asin}' for asin in asins]
    print(links)

编辑：

有两个给定节点：

import requests, re, json
from bs4 import BeautifulSoup as bs

nodes = ['3039806011','10699640011']

with requests.Session() as s:
    for node in nodes:
        r = s.get(f'https://www.amazon.com/stores/node/{node}')
        soup = bs(r.content, 'lxml')
        identifier = soup.select('.stores-widget-btf:not([id=share],[id*=RECOMMENDATION])')[-1]['id']
        r = s.get(f'https://www.amazon.com/stores/slot/{identifier}?node={node}')
        p = re.compile(r'var config = (.*?);')
        data = json.loads(p.findall(r.text)[0])
        asins = data['content']['ASINList']
        links = [f'https://www.amazon.com/dp/{asin}' for asin in asins]
        print(links)

推荐阅读