如何使用BeauitfulSoup从多个网页抓取数据？

Question

我的以下代码有问题，很抱歉，我是这一切的新手，我想将FullPage列表中的字符串添加到实际URL中，然后再访问它们并从页面中抓取一些数据。 到目前为止，这很好，但是我不知道如何访问列表中的其他链接。

输出只会给我一页数据，但我需要30页数据，如何使该程序遍历每个链接？

URL具有模式，第一部分具有' http://arduinopak.com/Prd.aspx?Cat_Name= '，第二部分具有产品类别名称。

import urllib2
from bs4 import BeautifulSoup

FullPage = ['New-Arrivals-2017-6', 'Big-Sales-click-here', 'Arduino-Development-boards',
            'Robotics-and-Copters']


urlp1 = "http://www.arduinopak.com/Prd.aspx?Cat_Name="
URL = urlp1 + FullPage[0]

for n in FullPage:
    URL = urlp1 + n
    page = urllib2.urlopen(URL)
    bsObj = BeautifulSoup(page, "html.parser")


descList = bsObj.findAll('div', attrs={"class": "panel-default"})
for desc in descList:
    print(desc.getText(separator=u' '))

Answer 1

import urllib2
from bs4 import BeautifulSoup

FullPage = ['New-Arrivals-2017-6', 'Big-Sales-click-here', 'Arduino-Development-boards',
            'Robotics-and-Copters']

urlp1 = "http://www.arduinopak.com/Prd.aspx?Cat_Name="
URL = urlp1 + FullPage[0]

for n in FullPage:
    URL = urlp1 + n
    page = urllib2.urlopen(URL)
    bsObj = BeautifulSoup(page, "html.parser")

    descList = bsObtTj.findAll('div', attrs={"class": "panel-default"})
    for desc in descList:
        print(desc.geext(separator=u' '))

如果您希望对每个链接进行换码，则将代码的最后3行移入循环即可。

Answer 2

您当前的代码获取所有链接，但仅存储一个BeautifulSoup对象引用。 您可以将它们全部存储在数组中或在访问另一个URL之前对其进行处理（如下所示）。

for n in FullPage:
    URL = urlp1 + n
    page = urllib2.urlopen(URL)
    bsObj = BeautifulSoup(page, "html.parser")

    descList = bsObj.findAll('div', attrs={"class": "panel-default"})
    for desc in descList:
        print(desc.getText(separator=u' '))

另外，请注意，使用PascalCase命名的名称是按惯例保留给类的。 如果要表示常量，则FullPage通常将其写为fullPage或FULL_PAGE 。