[英]LinkedIn scraping not getting all data
从类似这样的linkedin网站上: https ://www.linkedin.com/company/10073529?trk = tyah & trkInfo = clickedVertical%3Acompany%2CclickedEntityId%3A10073529%2Cidx%3A1-1-1%2CtarId%3A1461132316737%2Ctas%3Adastrong%20
我正在尝试找回
与data-li-miniprofile-id关联的链接
一个类=“ new-miniprofile-container” href =“ ...” data-li-url =“ ...” data-li-miniprofile-id =“ ...>
的上,下,下等的父项...
到目前为止,这是我的代码:
import requests
from bs4 import beautifulsoup
headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36'}
response = requests.get(url, headers=headers)
soup = BeautifulSoup(response.content, "html.parser")
for link in soup.find_all("a"):
print(link.get('href'))
我最初只是寻找一个class =“ new-miniprofile-container”,但它返回了一个空数组。 我认为原因是当我运行soup.prettify()(返回所有html抓取的数据)时,它在之后不包含任何子内容
我认为问题与LinkedIn工程师设置的安全块有关,但我想知道是否有办法获取这些URL,或者是否有其他选择获取这些URL。
您应该改用LinkedIn REST API 。 有与公司简介相关的端点,您可以在此处尝试使用REST API资源管理器。 还有一个python-linkedin
客户端,其中也记录了Company API部分。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.