如何使用不变的URL刮取多个页面 - Python 3

Question

我最近联系了网页抓取并尝试网页抓取各种页面。 目前，我正试图抓住以下网站 - http://www.pizzahut.com.cn/StoreList

到目前为止，我已经使用硒来获取经度和纬度。 但是，我的代码现在只提取第一页。 我知道有一个动态网页抓取执行javascript并加载不同的页面，但很难找到一个正确的解决方案。 我想知道是否有办法访问其他49页左右，因为当我点击下一页时，URL不会因为设置而改变，所以我不能每次都迭代一个不同的URL

以下是我的代码到目前为止：

import os
import requests
import csv
import sys
import time
from bs4 import BeautifulSoup

page = requests.get('http://www.pizzahut.com.cn/StoreList')

soup = BeautifulSoup(page.text, 'html.parser')

for row in soup.find_all('div',class_='re_RNew'):
    name = row.find('p',class_='re_NameNew').string
    info = row.find('input').get('value')
    location = info.split('|')
    location_data = location[0].split(',')
    longitude = location_data[0]
    latitude = location_data[1]
    print(longitude, latitude)

非常感谢您的帮助。 非常感激

Answer 1

获取数据的步骤：

在浏览器中打开开发人员工具（对于谷歌浏览器，它是Ctrl + Shift + I ）。 现在，转到位于“ Network选项卡内的XHR选项卡。

完成后，单击下一页按钮。 您将看到以下文件。

单击该文件。 在General块中，您将看到我们需要的这两件事。

向下滚动，在“ 表单数据”选项卡中，您可以看到3个变量

在这里，您可以看到更改pageIndex的值将提供所需的所有页面。

现在，我们已经获得了所有必需的数据，我们可以使用上述数据为URL http://www.pizzahut.com.cn/StoreList/Index编写POST方法。

码：

我将向您展示刮取前2页的代码，您可以通过更改range()来刮取您想要的任意数量的页面。

for page_no in range(1, 3):
    data = {
        'pageIndex': page_no,
        'pageSize': 10,
        'keyword': '输入餐厅地址或餐厅名称'
    }
    page = requests.post('http://www.pizzahut.com.cn/StoreList/Index', data=data)
    soup = BeautifulSoup(page.text, 'html.parser')

    print('PAGE', page_no)
    for row in soup.find_all('div',class_='re_RNew'):
        name = row.find('p',class_='re_NameNew').string
        info = row.find('input').get('value')
        location = info.split('|')
        location_data = location[0].split(',')
        longitude = location_data[0]
        latitude = location_data[1]
        print(longitude, latitude)

输出：

PAGE 1
31.085877 121.399176
31.271117 121.587577
31.098122 121.413396
31.331458 121.440183
31.094581 121.503654
31.270737000 121.481178000
31.138214 121.386943
30.915685 121.482079
31.279029 121.529255
31.168283 121.283322
PAGE 2
31.388674 121.35918
31.231706 121.472644
31.094857 121.219961
31.228564 121.516609
31.235717 121.478692
31.288498 121.521882
31.155139 121.428885
31.235249 121.474639
30.728829 121.341429
31.260372 121.343066

---

注意：您可以通过更改pageSize的值来更改每页的结果（当前为10）。