我爬出来了。 import requests
import re
from bs4 import BeautifulSoup as bs
# 打开网页函数
def get_response(url):
headers = {
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, br',
'Accept-Language': 'zh-CN,zh;q=0.9',
'Cache-Control': 'no-cache',
'Connection': 'keep-alive',
'Cookie':'xxxx',
'Pragma': 'no-cache',
'Referer': 'https://www.homes.co.jp/realtor/hiroshima/hiroshima/list/?page=1',
'Upgrade-Insecure-Requests': '1',
'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
}
params = {'page': '1'}
response = requests.get(url, headers=headers,params=params) # 加上浏览器头,以防被禁
response.encoding = 'utf-8' # 指定编码格式
#response.encoding = 'gbk' # 指定编码格式
return response
def main():
base_url = 'https://www.homes.co.jp/realtor/hiroshima/hiroshima/list/?page=1'
response = get_response(base_url)
#print(response.text)
soup = bs(response.text,'lxml')
items = {}
#print(soup.select('.wrap-realtorList'))
for item in soup.select('.wrap-realtorList'):
items['title'] = item.select('.mod-realtorBuilding .heading')
print(items['title'])
if __name__ == "__main__":
main()
那个饼干就用xxxx代替了。
发饼干的英文需要审核。
问题在于你需要更多的header和一个params参数才能获取到数据。
还有,这个网站反爬很厉害,像楼上所说的限制了session访问次数。
并且,饼干经常变化,找不到规律。
你可以用隐身窗口打开这个网站获取饼干。
|