我使用了selenium来爬取一个滚动的网站,并执行了以下代码。
我只得到了一个价格,而不是所有的价格。你能否提供反馈,告诉我如何改善代码?谢谢:)
编辑
感谢你们的帮助,我已经让它运行起来了。这是额外的代码:
现在我的最后一个问题是,我仍然无法获取最后20个具有英语描述的价格。我只能获取具有德语描述的价格。对于英语描述的价格,它们尽管具有相同的HTML结构,但不会被提取。
例如,英语条目的HTML结构为:
import requests
from bs4 import BeautifulSoup
import csv
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
import unittest
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
import time
import unittest
import re
output_file = open("Kijubi.csv", "w", newline='')
class Crawling(unittest.TestCase):
def setUp(self):
self.driver = webdriver.Firefox()
self.driver.set_window_size(1024, 768)
self.base_url = "http://www.viatorcom.de/"
self.accept_next_alert = True
def test_sel(self):
driver = self.driver
delay = 3
driver.get(self.base_url + "de/7132/Seoul/d973-allthingstodo")
for i in range(1,1):
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(2)
html_source = driver.page_source
data = html_source.encode("utf-8")
我的下一步是从网站爬取特定信息,如价格。
因此,我添加了以下代码:
all_spans = driver.find_elements_by_xpath("/html/body/div[5]/div/div[3]/div[2]/div[2]/div[1]/div[1]/div")
print(all_spans)
for price in all_spans:
Header = driver.find_elements_by_xpath("/html/body/div[5]/div/div[3]/div[2]/div[2]/div[1]/div[1]/div/div[2]/div[2]/span[2]")
for span in Header:
print(span.text)
我只得到了一个价格,而不是所有的价格。你能否提供反馈,告诉我如何改善代码?谢谢:)
编辑
感谢你们的帮助,我已经让它运行起来了。这是额外的代码:
elements = driver.find_elements_by_xpath("//div[@id='productList']/div/div")
innerElements = 15
outerElements = len(elements)/innerElements
print(innerElements, "\t", outerElements, "\t", len(elements))
for j in range(1, int(outerElements)):
for i in range(1, int(innerElements)):
headline = driver.find_element_by_xpath("//div[@id='productList']/div["+str(j)+"]/div["+str(i)+"]/div/div[2]/h2/a").text
price = driver.find_element_by_xpath("//div[@id='productList']/div["+str(j)+"]/div["+str(i)+"]/div/div[2]/div[2]/span[2]").text
deeplink = driver.find_element_by_xpath("//div[@id='productList']/div["+str(j)+"]/div["+str(i)+"]/div/div[2]/h2/a").get_attribute("href")
print("Header: " + headline + " | " + "Price: " + price + " | " + "Deeplink: " + deeplink)
现在我的最后一个问题是,我仍然无法获取最后20个具有英语描述的价格。我只能获取具有德语描述的价格。对于英语描述的价格,它们尽管具有相同的HTML结构,但不会被提取。
例如,英语条目的HTML结构为:
headline = driver.find_element_by_xpath("//div[@id='productList']/div[6]/div[1]/div/div[2]/h2/a")
你们知道我需要修改什么吗?欢迎提供任何反馈意见 :)