时间戳

首页 > 解决方案 > 如何在 url 中抓取具有不同数据的多个网站

python - 如何在 url 中抓取具有不同数据的多个网站

问题描述

我正在从网页中抓取一些数据，其中网址末尾有产品的 id，它似乎重写了每一行的数据，就像它没有从下一行附加数据一样，我不知道到底发生了什么，如果我的第一个 for 是错误的，或者缩进，我之前尝试过没有字典，它正在附加但在同一行，我转置它但没有按我想要的那样工作，所以我这样做了现在它不会附加下一行，请帮助

data_cols = []
cols = {'pro_header': [],
        'pro_id': [],
        .
        .
        .
        'pro_uns5': []
        }
#the id for each product
fileID = open('idProductsList.txt', 'r')
proIDS = fileID.read().split()
for proID in proIDS:
    url = 'https:/website.com/mall/es/mx/Catalog/Product/' + proID
    html = urllib2.urlopen(url).read()
    soup = bs.BeautifulSoup(html , 'lxml')
    table = soup.find("table",{"class": "ProductDetailsTable"})
    rows = table.find_all('tr')
    for row in rows:
        labels.append(str(row.find_all('td')[0].text))
        try:
            data.append(str(row.find_all('td')[1].text))
        except IndexError:
            data.append('')

    cols['pro_header'].append(data[0])
    cols['pro_id'].append(data[1])
    .
    .
    .
    cols['pro_uns5'].append(data[43])
    df = pd.DataFrame(cols)
    df.set_index
    #df.reindex()
    df.to_csv('sample1.csv')

实际输出为：

pro_id  pro_priceCostumer   pro_priceData
1FK7011-5AK24-1AA3  " Mostrar precios
"   PM300:Producto activo
1FK7011-5AK24-1AA3  " Mostrar precios
"   PM300:Producto activo
1FK7011-5AK24-1AA3  " Mostrar precios
"   PM300:Producto activo

应该是这样的（这只是数据的一小部分表示）：

pro_id  pro_priceCostumer   pro_priceData
1FK7011-5AK24-1AA3  " Mostrar precios
"   PM300:Producto activo
1FK7011-5AK24-1JA3  " Mostrar precios
"   PM300:Producto activo
1FK7022-5AK21-1UA0  " Mostrar precios
"   PM300:Producto activo

标签： pythonpython-2.7web-scrapingbeautifulsoupscrapinghub

解决方案

我猜标签是作为一个变量工作的。要附加此内容，您需要使用列表。在代码顶部添加labels=list()为全局变量。同样的事情也应该做data。

推荐阅读