[英]Getting max pagenumber when scraping website with python
我是python的新手,必须抓取一个网站来获取大学课程的一些数据:
我能够获得所需的信息。 问题是我需要为每个条目(页面,月,年)。
每个月的页面数量不同。 有什么方法可以提取最大页数,以便我可以存储它并将其用于循环吗?
我将不胜感激任何帮助。 谢谢!
For循环很不错,但是您不能总是使用它们。 在这种情况下,我将反复点击“下一页”按钮中的链接,直到没有此类按钮为止。 像这样:
url = <first page>
while True:
# extract data
if <there is a next page button>:
url = <href of the button>
else:
break
这将获取您的所有页面,并为每个页面生成一个BeautifulSoup对象,指向下一页的链接位于前进类别的anchor标记中:
import requests
from urlparse import urljoin
def get_pages(base, url):
soup = BeautifulSoup(requests.get(url).content)
yield soup
next_page = soup.select_one("a.forward")
for page in iter(lambda: next_page, None):
soup = BeautifulSoup(requests.get(urljoin(base, page["href"])).content)
yield soup
next_page = soup.select_one("a.forward")
for soup in get_pages("https://www.xrel.to/", "https://www.xrel.to/games-release-list.html?archive=2016-01"):
print(soup)
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.