ขูดซุปที่สวยงาม

Question

ฉันมีปัญหาเกี่ยวกับรหัสการทำงานเก่าที่ทำงานไม่ถูกต้องอีกต่อไป

รหัส python ของฉันกำลังขูดเว็บไซต์โดยใช้ซุปที่สวยงามและดึงข้อมูลเหตุการณ์ (วันที่เหตุการณ์ลิงก์)

รหัสของฉันกำลังดึงเหตุการณ์ทั้งหมดที่อยู่ในไฟล์tbody. แต่ละเหตุการณ์จะถูกเก็บไว้ในไฟล์<tr class="Box">. ปัญหาคือดูเหมือนว่ามีดโกนของฉันจะหยุดหลังจากนี้<tr style ="box-shadow: none;>หลังจากมาถึงส่วนนี้ (ซึ่งเป็นส่วนที่มีโฆษณา 3 รายการบนไซต์สำหรับเหตุการณ์ที่ฉันไม่ต้องการขูด) โค้ดจะหยุดดึงข้อมูลเหตุการณ์จากภายในไฟล์<tr class="Box">. มีวิธีข้ามสไตล์ tr นี้ / ละเว้นกรณีในอนาคตหรือไม่?

import pandas as pd
import bs4 as bs
from bs4 import BeautifulSoup
import urllib.request
import warnings
warnings.filterwarnings("ignore", category=UserWarning, module='bs4')

source = urllib.request.urlopen('https://10times.com/losangeles-us/technology/conferences').read()
soup = bs.BeautifulSoup(source,'html.parser')
   #---Get Event Data---
    test1=[]
    table = soup.find('tbody')
    table_rows = table.find_all('tr') #find table rows (tr)
    for x in table_rows:   
        data = x.find_all('td')  #find table data
        row = [x.text for x in data]
        if len(row) > 2: #Exlcudes rows with only event name/link, but no data.
            test1.append(row)
test1

Answer 1

ข้อมูลถูกโหลดแบบไดนามิกผ่าน JavaScript ดังนั้นคุณจึงไม่เห็นผลลัพธ์เพิ่มเติม คุณสามารถใช้ตัวอย่างนี้เพื่อโหลดหน้าเพิ่มเติม:

import requests
from bs4 import BeautifulSoup


url = "https://10times.com/ajax?for=scroll&path=/losangeles-us/technology/conferences"
params = {"page": 1, "ajax": 1}
headers = {"X-Requested-With": "XMLHttpRequest"}

for params["page"] in range(1, 4):  # <-- increase number of pages here
    print("Page {}..".format(params["page"]))
    soup = BeautifulSoup(
        requests.get(url, headers=headers, params=params).content,
        "html.parser",
    )
    for tr in soup.select('tr[class="box"]'):
        tds = [td.get_text(strip=True, separator=" ") for td in tr.select("td")]
        print(tds)

พิมพ์:

Page 1..
['Tue, 29 Sep - Thu, 01 Oct 2020', 'Lens Los Angeles', 'Intercontinental Los Angeles Downtown, Los Angeles', 'LENS brings together the entire Degreed community - our clients, invited prospective clients, thought leaders, partners, employees, executives, and industry experts for two days of discussion, workshops,...', 'Business Services IT & Technology', 'Interested']
['Wed, 30 Sep - Sat, 03 Oct 2020', 'FinCon', 'Long Beach Convention & Entertainment Center, Long Beach 20.1 Miles from Los Angeles', 'FinCon will be helping financial influencers and brands create better content, reach their audience, and make more money. Collaborate with other influencers who share your passion for making personal finance...', 'Banking & Finance IT & Technology', 'Interested 7 following']
['Mon, 05  - Wed, 07 Oct 2020', 'NetDiligence Cyber Risk Summit', 'Loews Santa Monica Beach Hotel, Santa Monica 14.6 Miles from Los Angeles', 'NetDiligence Cyber Risk Summit will conference are attended by hundreds of cyber risk insurance, legal/regulatory and security/privacy technology leaders from all over the world. Connect with leaders in...', 'IT & Technology', 'Interested']

... etc.