鱼C论坛

 找回密码
 立即注册
查看: 1733|回复: 10

关于爬虫爬取信息的问题

[复制链接]
发表于 2019-10-18 12:16:13 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
想做一个dota2的数据分析,然而在做英雄与英雄id对应列表时出现了一个问题,图片中红色部分是我想提取的数据,但是我试用了很久的div与class的方法也没有提取出来。求大佬指教
TIM图片20191018120929.png
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2019-10-18 12:30:38 From FishC Mobile | 显示全部楼层
你用什么来提取,把你的代码贴一下,才好回答
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-18 12:57:31 | 显示全部楼层
XiaoPaiShen 发表于 2019-10-18 12:30
你用什么来提取,把你的代码贴一下,才好回答

import requests
import bs4

def get_url(url):
    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'}
   
    res = requests.get(url,headers=headers)
    return res

def main():
    url = 'https://www.opendota.com/heroes/1'
    hero_list = []        
    html = get_url(url)
    soup = bs4.BeautifulSoup(html.text,'html.parser')
    targets = soup.find_all("div", class_="sc-kZmsYB WTZVj")
    for each in targets:
        print(each)
        
if __name__ == '__main__':
    main()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-18 12:58:49 | 显示全部楼层
res=BeautifulSoup(requests.get(url).text,"html").find_all("div",class_="这里是你要提取的文字的class")
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-18 13:26:35 | 显示全部楼层

这个跟我之前的差不太多,除了我多了个html.parser,而且也没有运行出来啊
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-18 14:47:32 | 显示全部楼层
有可能是动态加载的?
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-18 16:12:27 | 显示全部楼层
Y0uWill_1Will 发表于 2019-10-18 14:47
有可能是动态加载的?

好像不是动态加载,而且我也不大清楚动态加载该咋弄
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-18 17:09:10 | 显示全部楼层
爬虫保持一个习惯,右键,查看网页源码,需要的信息是否存在
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-18 22:11:25 | 显示全部楼层
foreverc8 发表于 2019-10-18 13:26
这个跟我之前的差不太多,除了我多了个html.parser,而且也没有运行出来啊

我们根本无法爬取该网站的内容,看看根节点的内容如下
import requests
import bs4

def get_url(url):
    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36'}
   
    res = requests.get(url,headers=headers)
    return res

def main():
    url = 'https://www.opendota.com/heroes/1'
    hero_list = []        
    html = get_url(url)
    html.encoding = 'utf-8'
    
    soup = bs4.BeautifulSoup(html.text,'html.parser')
    targets = soup.html.body.div
    print(targets.prettify())   
    
        
if __name__ == '__main__':
    main()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-20 12:02:18 | 显示全部楼层
如果是这样,可能是动态加载,这时就要用selenium(具体配置请上网搜)
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-21 23:13:08 | 显示全部楼层
这个不用bs4的。  
直接请求
https://api.opendota.com/api/heroStats?
这个地址,可以获取所有英雄的介绍的json数据。
加个header就行了
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-12-23 13:16

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表