我刚刚尝试使用 python、Beautifulsoup 进行网页抓取,以便从购物网站获取产品的 url。
这里我提供我的简单代码:
import requests
from bs4 import BeautifulSoup
root_url = 'http://www.flipkart.com'
index_url = root_url + '/tablets'
def get_item_url():
response = requests.get(index_url)
soup = BeautifulSoup(response.text)
return [a.attrs.get('href') for a in soup.select('div.product-unit unit- 4 browse-product-section a[href^=/digiflip-pro-et701-tablet]')
print(get_item_url())
运行该程序会生成如下错误:
File "C:\Python27\lib\site-packages\bs4\element.py", line 1300, in select
'Unsupported or invalid CSS selector: "%s"' % token)
ValueError: Unsupported or invalid CSS selector: "unit-4"
如何解决这个错误?
最佳答案
查看 Beautiful Soup 文档,我发现在 select()
中的属性之间放置了空格。搜索其他标签下面的标签。所以你的select()
正在寻找名为 unit-4
的属性下面某处div.product-unit
,然后它正在寻找 browse-product-section
下面unit-4
。不存在这样的属性,因此返回错误。
您的 select()
中的属性实际上是该网页上存在的 HTML 类的名称,因此您必须附加 .
给他们每个人找到他们。但是,我认为您真正想要的更像是:
return [a.attrs.get('href') for a in soup.select('div.product-unit a[href^=/digiflip-pro-et701-tablet]')]
在该 div 下查找 href 并返回
['/digiflip-pro-et701-tablet/p/itme27y5v2ws5cfm?pid=TABDWMDPGHPNYND7', '/digiflip-pro-et701-tablet/p/itme27y5v2ws5cfm?pid=TABDWMDPGHPNYND7', '/digiflip-pro-et701-tablet/p/itme27y5v2ws5cfm?pid=TABDWMDPGHPNYND7&ref=70ca8997-80a5-412d-9b94-6d5fb55f1277', '/digiflip-pro-et701-tablet/p/itme27y5v2ws5cfm?pid=TABDWGBMYSEMWHUY&ref=70ca8997-80a5-412d-9b94-6d5fb55f1277']
顺便说一句,您也可以替换 div.product-unit
与 unit-4
,甚至做select('a[href^=/digiflip-pro-et701-tablet]')
本身,你会得到相同的输出。
关于python - 值错误: Unsupported or invalid CSS selector: "unit-4" python,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28168274/