我一直在尝试使用 selenium 从 Twitter 上获取推文。我已经成功地获取了我想要的 html 并打印它,但是我在进入适合用于数据框的表单时遇到了麻烦。
这是我的代码:
import time
import pandas as pd
import numpy as np
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.common.by import By
browser = webdriver.Chrome()
url = 'https://twitter.com/search?f=tweets&q=cuomosmta%20since%3A2016-08-22%20until%3A2018-08-22'
browser.get(url)
time.sleep(1)
tweet_dict = {}
tweets = browser.find_elements_by_class_name('tweet-text')
for tweet in tweets:
print(tweet.text)
tweet_dict['tweet'] = tweet.text
如果您运行代码,您将看到它打印每条单独的推文。我这样做是为了确保代码正常工作。
但由于某种原因,当我检查字典时,我的输出来自:
tweet_dic['tweet']
是:
'Ugh, Cuomo and #CuomosMTA are terrible, just terrible.'
上面的输出也是我试图抓取的页面上的最后一条推文。
我已经尝试过多种方法,甚至尝试过 BeautifulSoup,但由于某种原因,我一直得到相同的结果。
我不明白为什么我能够打印所有推文但不能将它们附加到字典中。
我是初学者,可能错过了一些非常明显的东西,因此我们将不胜感激。
请,如果可能的话,我尝试只使用selenium,因为它比beautifulsoup中更容易获取准确的时间戳。
谢谢!
最佳答案
字典应该只包含唯一的键,因此您只需覆盖相同的键值对,而不是在循环中附加每条推文。您可以尝试以下解决方案:
for tweet in range(len(tweets)):
print(tweets[tweet].text)
tweet_dict['tweet_%s' % tweet] = tweets[tweet].text
输出应为
{'tweet_0': 'first tweet content', 'tweet_1': 'second tweet content', ...}
关于python - 使用 selenium 抓取数据并将其添加到字典中以在数据框中使用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52087684/