我有一种使用Swiftsoup
解析网站的方法,可以获取产品的价格:
@objc func actionButtonTapped(){
let url = "https://www.overkillshop.com/de/c2h4-interstellar-liaison-panelled-zip-up-windbreaker-r001-b012-vanward-black-grey.html"
let url2 = "https://www.asos.com/de/asos-design/asos-design-schwarzer-backpack-mit-ringdetail-und-kroko-muster/prd/14253083?clr=schwarz&colourWayId=16603012&SearchQuery=&cid=4877"
do {
let html: String = getHTMLfromURL(url: url2)
let doc: Document = try SwiftSoup.parse(html)
let priceClasses: Elements = try doc.select("[class~=(?i)price]")
for priceClass: Element in priceClasses.array() {
let priceText : String = try priceClass.text()
print(try priceClass.className())
print("pricetext: \(priceText)")
}
} catch Exception.Error(let type, let message) {
print(message)
} catch {
print("error")
}
}
该方法适用于
url
,但对于url2
,即使它们匹配classNames
,也不会打印所有的regex
。这实际上是价格:<span data-id="current-price" data-bind="text: priceText(), css: {'product-price-discounted' : isDiscountedPrice }, markAndMeasure: 'pdp:price_displayed'" class="current-price">36,99 €</span>
该函数的输出是这样的:
产品价格价格文字:
股票价格重试
价格文字:
股票价格重试
价格文字:
它没有打印
class=current-price
。我的regex
出了点问题,或者为什么找不到class
?编辑:
我发现
price
实际上不在HTML
的url2
内部。内部只有实际打印出的classes
。这是什么原因,我该如何解决?
最佳答案
html不是静态的。它会随着时间而变化。如果您对网站的URL进行获取请求,您将获得该网站的html的初始值。
但是在浏览器上有一个叫做javascript的东西,可以使页面的HTML随时间变化。实际上这很普遍:
-网站首先会加载一些JavaScript
-javascript(由网站的创建者开发)比运行并能完成的工作
-通过该javascript调用一些API,内容可以动态更改
您无法通过基本网址的HTML抓取来抓取该内容。
如果您问我该怎么做,就是通过查找网站的HTTP请求来获取内容。查看该API,然后自己使用该API。获取数据,并将其存储在我的某些服务器中。
比在客户端上,我调用服务器的API来获取该数据。
我也不太确定那是合法的。
但是,据我对您最后几个问题的理解,您不想这样做。
如果确实需要在客户端上执行此操作,则可以使用WKWebView
,加载页面,等待内容显示,然后通过执行以下操作来获取页面的当前HTML:
webView.evaluateJavaScript("document.documentElement.outerHTML.toString()",
completionHandler: { (html: Any?, error: Error?) in
print(html)
})
有关更多信息,请查看this answer。
我希望这可以解决您的所有问题,因为我认为我没有更多的时间来帮助您了:D
关于html - Swiftsoup解析未找到所有HTML类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61441843/