python - 网页抓取 - Selenium BeautifulSoup - 循环分页

标签 python web-scraping beautifulsoup

我想稍微搞一下 Selenium (只是学习片段 - 问了一些关于 beautifulsoup 的问题,并得到了一些很好的建议。

无论如何,我只是简单地尝试循环浏览页面并抓取 div.details 并打印它找到的数量(作为初始测试)。问题是它似乎只是坐在第一页上并重新加载它并卡在循环中。

我该如何更改它,以便它循环显示第 1 页、第 2 页,然后结束?

from bs4 import BeautifulSoup
import requests
import csv
import pandas
from pandas import DataFrame
import re
import os
import locale
os.environ["PYTHONIOENCODING"] = "utf-8"


from selenium import webdriver
from webdriver_manager.chrome import ChromeDriverManager

page = 1

driver = webdriver.Chrome(ChromeDriverManager().install())
url="https://www.gunstar.co.uk/view-trader/global-rifle-snipersystems/58782?page={page}"





#grab all links which contain the href specifed

with requests.Session() as session:
  while True:
    res=session.get(url.format(page=page))
    soup=BeautifulSoup(res.content,'html.parser')
    gun_details = soup.select('div.details')
    if soup.select("nav_next") is None:
        break
    page += 1
    driver.get(url) #navigate to the page
print(len(gun_details))

最佳答案

您不需要 Selenium 来导航,您可以使用请求方法来完成。

from bs4 import BeautifulSoup
import requests
import csv
import pandas
from pandas import DataFrame
import re
import os
import locale
os.environ["PYTHONIOENCODING"] = "utf-8"

page = 1
url="https://www.gunstar.co.uk/view-trader/global-rifle-snipersystems/58782?page={}"

with requests.Session() as session:
  while True:
    print(url.format(page))
    res=session.get(url.format(page))
    soup=BeautifulSoup(res.content,'html.parser')
    gun_details = soup.select('div.details')
    print(len(gun_details))
    if len(soup.select(".nav_next"))==0:
        break
    page += 1

我已经提供了打印和控制台它所显示的功能。

https://www.gunstar.co.uk/view-trader/global-rifle-snipersystems/58782?page=1
10
https://www.gunstar.co.uk/view-trader/global-rifle-snipersystems/58782?page=2
4

关于python - 网页抓取 - Selenium BeautifulSoup - 循环分页,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58136244/

相关文章:

python - 从Python中的文本文件中提取数据

python - 将列表绑定(bind)到 Pandas read_sql_query 中的参数和其他参数

python - 使用 requests.post() 从网页中抓取文本

javascript - 为什么我的 CasperJS 脚本无法登录 Quora?

python - 使用 BeautifulSoup 在 Python 中提取嵌入式 <span>

python - 问题的时间复杂度和优化方法

python - 如何删除仅包含某些值的行?

Excel VBA 从超链接列表中提取 Web 数据

python - 打印 csv 文件中的信息

python - 无法纠正 - ValueError : unknown url type: Link