时间戳

首页 > 解决方案 > 使用 Python 对 Javascript 表（带有网格和列表视图）进行 Web 抓取 - Beautiful Soup

javascript - 使用 Python 对 Javascript 表（带有网格和列表视图）进行 Web 抓取 - Beautiful Soup

问题描述

我正在尝试从该网站的 json 表中解析数据。

网址 - https://boxes.mysubscriptionaddiction.com/subscription_boxes_for/food。

我主要需要列出的所有食品订阅框的名称、评级和描述。我在这里面临一些挑战。一是表格有 2 个视图 - 网格和列表视图。我们如何指定我们在代码中引用的表视图？其次是我得到了一个

ValueError - Timeout value connect was Timeout(connect=<object object at 0x000002767CECD5C0>, 
read=<object object at 0x000002767CECD5C0>, total=None), but it must be an int, float or None.

不知道这意味着什么。
我的代码：

from pandas.io.html import read_html
from selenium import webdriver
import json
import requests
import os
import sys
from bs4 import BeautifulSoup
import requests


driver = webdriver.Firefox(executable_path='C:\Drivers\geckodriver.exe')

driver.get('https://boxes.mysubscriptionaddiction.com/subscription_boxes_for/food')


table = driver.find_element_by_xpath('/html/body/div[3]/div/span/div[2]/div/div[1]/div[3]/div[3]/table')

table_html = table.get_attribute('innerHTML')

bs = BeautifulSoup(table_html, 'html.parser')

rows = bs.select('tbody tr')

print(bs)

标签： javascriptpythonhtmlselenium

解决方案

以下是如何获取您正在寻找的数据：（data是一个包含信息的字典）

import requests
from bs4 import BeautifulSoup
import json

scrape_url = 'https://boxes.mysubscriptionaddiction.com/subscription_boxes_for/food'

r1 = requests.get(scrape_url)
page = r1.content
soup = BeautifulSoup(page, 'html.parser')
scripts = soup.find_all('script')

data_str = scripts[11].contents[0].strip()
data = json.loads(data_str,strict=False)
print(data['itemListElement'])

推荐阅读