时间戳

首页 > 解决方案 > 如何从网站中提取冠状病毒病例？

python - 如何从网站中提取冠状病毒病例？

问题描述

我正在尝试从网站 ( https://www.trackcorona.live ) 中提取冠状病毒，但出现错误。

这是我的代码：

response = requests.get('https://www.trackcorona.live')
data = BeautifulSoup(response.text,'html.parser')
li = data.find_all(class_='numbers')
confirmed = int(li[0].get_text())
print('Confirmed Cases:', confirmed)

它给出了以下错误（尽管几天前它还在工作），因为它返回一个空列表（li）

 IndexError                               
 Traceback (most recent call last)
<ipython-input-15-7a09f39edc9d> in <module>
      2 data=BeautifulSoup(response.text,'html.parser')
      3 li=data.find_all(class_='numbers')
----> 4 confirmed = int(li[0].get_text())
      5 countries = li[1].get_text()
      6 dead = int(li[3].get_text())

IndexError: list index out of range

​</p>

标签： pythonapiweb-scrapingbeautifulsoup

解决方案

好吧，实际上网站正在生成一个重定向CloudFlare，然后它会JavaScript在页面加载后动态加载，因此我们可以使用多种方法，例如seleniumandrequests_html但我会为您提到最快的解决方案，因为我们将JS即时渲染:)

import cloudscraper
from bs4 import BeautifulSoup

scraper = cloudscraper.create_scraper()

html = scraper.get("https://www.trackcorona.live/").text

soup = BeautifulSoup(html, 'html.parser')

confirmed = soup.find("a", id="valueTot").text

print(confirmed)

输出：

110981

提示503 response code：

基本上该代码指的是service unavailable.

从技术上讲，GET无法满足您发送的请求。这是因为请求被卡在https://www.trackcorona.live/receiver的请求之间的原因是它在哪里处理它到另一个源，即https://www.trackcorona.live/？cf_chl_jschl_tk =HOST

在哪里__cf_chl_jschl_tk__=持有token要认证的。

因此，您通常应该按照您的代码来为host所需数据提供服务。

类似于以下显示end网址的内容：

import requests
from bs4 import BeautifulSoup


def Main():
    with requests.Session() as req:
        url = "https://www.trackcorona.live"
        r = req.get(url)
        soup = BeautifulSoup(r.text, 'html.parser')
        redirect = f"{url}{soup.find('form', id='challenge-form').get('action')}"
        print(redirect)


Main()

输出：

https://www.trackcorona.live/?__cf_chl_jschl_tk__=575fd56c234f0804bd8c87699cb666f0e7a1a114-1583762269-0-AYhCh90kwsOry_PAJXNLA0j6lDm0RazZpssum94DJw013Z4EvguHAyhBvcbhRvNFWERtJ6uDUC5gOG6r64TOrAcqEIni_-z1fjzj2uhEL5DvkbKwBaqMeIZkB7Ax1V8kV_EgIzBAeD2t6j7jBZ9-bsgBBX9SyQRSALSHT7eXjz8r1RjQT0SCzuSBo1xpAqktNFf-qME8HZ7fEOHAnBIhv8a0eod8mDmIBDCU2-r6NSOw49BAxDTDL57YAnmCibqdwjv8y3Yf8rYzm2bPh74SxVc

现在能够调用 endURL所以你需要传递所需的Form-Data：

像这样的东西：

def Main():
    with requests.Session() as req:
        url = "https://www.trackcorona.live"
        r = req.get(url)
        soup = BeautifulSoup(r.text, 'html.parser')
        redirect = f"{url}{soup.find('form', id='challenge-form').get('action')}"
        data = {
            'r': 'none',
            'jschl_vc': 'none',
            'pass': 'none',
            'jschl_answer': 'none'
        }
        r = req.post(redirect, data=data)
        print(r.text)




Main()

在这里，您最终将text没有您想要的值。因为您的值是通过JS.

推荐阅读