python - WebScraping Requests Status 给了我 200 没有内容
问题描述
我正在用 BeautifulSoup 练习刮擦。在 Daijob 寻找数据分析工作时,我想抓取所有结果。有 70 个结果分为 7 页,每页 10 个结果。
website = 'https://www.daijob.com/en/jobs/search_result?job_search_form_hidden=1&keywords=Data+Analyst'
for page in range(20):
time.sleep(1)
r = requests.get(website, params = {"page" : page+1})
if r.status_code != 200:
break
else:
html = r.content
soup = BeautifulSoup(html, "lxml")
print('\033[1m' + 'Web 1, page {0}'.format(page+1) + '\033[0m')
所以想法是页数会不断增加,当页码变为 8 时,循环将停止。
自从 status_code 值变为 410 而不是 200 后,它已在其他网站上运行,一旦它达到没有数据的页码。
但是在这种情况下,无论您放置多少页(甚至可以是 100000),它都会一直提供 200 的 status_code,因此即使没有更多有用的数据可以抓取,我也无法停止循环。
是否有更有效的方法来自动停止该循环?谢谢!!
解决方案
当没有找到工作时,网站会显示此消息:No jobs were found that matched your search.
您可以使用它来确定页面是否包含任何工作。这是完整的代码:
import time
import requests
from bs4 import BeautifulSoup
website = 'https://www.daijob.com/en/jobs/search_result?job_search_form_hidden=1&keywords=Data+Analyst'
page = 0
while True:
time.sleep(1)
r = requests.get(website, params = {"page" : page+1})
if 'No jobs were found that matched your search.' in r.text:
break
else:
html = r.content
soup = BeautifulSoup(html, "lxml")
print('\033[1m' + 'Web 1, page {0}'.format(page+1) + '\033[0m')
page += 1
输出:
Web 1, page 1
Web 1, page 2
Web 1, page 3
Web 1, page 4
Web 1, page 5
推荐阅读
- python-3.x - Python 编译模块
- javascript - heroku 本地网络工作正常,但部署无法正常工作
- ios - 当我通过 azure devops 发布 ios 应用程序时出现黑屏,但是当我通过 xcode 发布时它工作正常
- ubuntu - cmake 无法生成 sfml 构建文件
- php - Laravel JWT tymon 刷新过期令牌
- sql - How to use the rollback command in SQL
- javascript - 使用 setState 时 React 组件中的日期格式
- r - Shiny应用程序中函数参数中的特殊字符
- r - 迭代变量并在每次迭代中替换一个
- javascript - ReactJS:如何在另一个功能组件中读取 Link react-router 中传递的值