python - 使用 python 从网站上抓取每个产品的 href

标签 python web-scraping beautifulsoup

我正在使用 beautifulsoup 来抓取此网页中每个产品的 href:http://www.amazon.com/s/ref=nb_sb_noss_1?url=search-alias%3Daps&field-keywords=digital+camera 。这些 href 以“keywords=digital+camera”结尾 这是我的代码:

from bs4 import BeautifulSoup
import requests

url = "http://www.amazon.com/s/ref=nb_sb_noss_1?url=search-alias%3Daps&field-keywords=digital+camera"
keyword = "keywords=digital+camera"
r = requests.get(url)
data = r.text
soup = BeautifulSoup(data)
for link in soup.find_all('a'):
    href = link.get('href')
    if href is None:
        continue
    elif keyword in href:  
        print href

我从上面的脚本中没有得到任何结果,我能做些什么来修复它吗? 谢谢

最佳答案

亚马逊正在检测用户代理(“您的浏览器的名称”)并根据该值更改内容。如果您向请求添加用户代理,您将获得添加了“keyword=digital+camera”的字符串。否则,你就不会。

url ="http://www.amazon.com/s/ref=nb_sb_noss_1?url=search-alias%3Daps&field-keywords=digital+camera"
import urllib2
from bs4 import BeautifulSoup
req = urllib2.Request(url, headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()
soup = BeautifulSoup(html)
links = soup.find_all('a')
for l in links:
    href = l.get('href')
    title = l.get('title', '')
    if 'Sony W800/B 20.1 MP Digital' in title:
        print(href)  # prints: http://www.amazon.com/Sony-W800-Digital-Camera-Black/dp/B00I8BIBCW/ref=sr_1_2/183-0842534-8993425?s=photo&ie=UTF8&qid=1421400650&sr=1-2&keywords=digital+camera

关于python - 使用 python 从网站上抓取每个产品的 href,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27977816/

相关文章:

python - 从层次聚类的不同级别获取标签

python - 编写 GIMP python 脚本

java - Python 2.7 selenium webdriver 无法读取 java 站点上的表内容

python - 从交互式 map 中抓取数据

html - R - 如何从 XML 节点集中提取项目?

Python - Web 抓取 HTML 表并打印到 CSV

python - 如何使用 BeautifulSoup 跳过某些标签?

python - 如何从文本文件中求解简单的数学方程

python - 在Python中将一系列颜色更改为白色

python - 抓取选择某些内容时加载的数据