Xpath 网络爬网-从bandcamp.com获取项目标题
我试图从bandcamp.com的新版本中从页面的“发现”部分(摇滚->所有摇滚->新来者)获取物品标题 页面的部分相关源代码如下所示:Xpath 网络爬网-从bandcamp.com获取项目标题,xpath,web-scraping,scrapy,scrapy-shell,Xpath,Web Scraping,Scrapy,Scrapy Shell,我试图从bandcamp.com的新版本中从页面的“发现”部分(摇滚->所有摇滚->新来者)获取物品标题 页面的部分相关源代码如下所示: <div class="col col-3-12 discover-item"> <a data-bind="click: playMe, css: { 'playing': playing }" class="item-link playable"> <span class
<div class="col col-3-12 discover-item">
<a data-bind="click: playMe, css: { 'playing': playing }" class="item-link playable">
<span class="item-img ratio-1-1">
<img class="art" data-bind="src_art: { 'art_id': artId, 'format': 'art_tags_large' }" src="https://f4.bcbits.com/img/a1631562669_9.jpg">
<span class="plb-btn">
<span class="plb-bg"></span>
<span class="plb-ic"></span>
</span>
</span>
</a><a data-bind="attr: { 'href': itemURL }, text: title, click: playMe" class="item-title" href="https://reddieseloff.bandcamp.com/album/dead-rebel?from=discover-new">Dead Rebel</a>
<a data-bind="attr: { 'href': bandURL }, text: artist, click: playMe" class="item-artist" href="https://reddieseloff.bandcamp.com?from=discover-new">Red Diesel</a>
<span class="item-genre" data-bind="text: genre">rock</span>
</div>
但它什么也不返回
[]
它也不适用于“项目艺术家”,所以我想知道我做错了什么
非常感谢您的帮助。您查找的所有数据都隐藏在页面正文内的隐藏
div
节点中。当您的浏览器加载网页时,javascript会指示如何解包和显示此数据,因为scrapy不运行任何脚本,所以您需要自己执行此步骤:
# all of the data is under "<div id="pagedata" data-blob=" attribute
data = response.css('div#pagedata::attr(data-blob)').extract()
import json
data = json.loads(data[0])
# dig through this python dictionary to find your data
(it has pretty much everything, even more than the page displays)
#所有数据都在“我不习惯刮泥,但你能试试吗”//a[@class=“item title”]
?另外,使用bs4
和提供的html
我可以得到你想要的Dead Rebel
文本。你感兴趣吗?也许你可以混合一些bs4
和scrapy
代码。.@dot.Pybs4
做的事情与scrapy的parsel
做的事情完全一样,所以不会有太大变化。这个真实y几乎什么都有。试图用pprint找出dict中的什么从pprint导入pprint输出=打开('dict.txt',w+')
pprint(data,out)
你可以用json.dumps(data,indent=2)
将数据打印到文件中“然后,您可以使用一些文本编辑器,甚至是专用于查看json树的软件来检查数据,例如这个在线编辑器:
[]
# all of the data is under "<div id="pagedata" data-blob=" attribute
data = response.css('div#pagedata::attr(data-blob)').extract()
import json
data = json.loads(data[0])
# dig through this python dictionary to find your data
(it has pretty much everything, even more than the page displays)