[英]Retrieve search results selenium python bs4
我成功地组合了一个脚本,以从Linkedin中的销售导航器检索搜索结果。 以下是使用python,selenium和bs4的脚本。
browser = webdriver.Firefox(executable_path=r'D:\geckodriver\geckodriver.exe')
url1 = "https://www.linkedin.com/sales/search/company?companySize=E&geoIncluded=emea%3A0%2Ceurope%3A0&industryIncluded=6&keywords=AI&page=1&searchSessionId=zreYu57eQo%2BSZiFskdWJqg%3D%3D"
browser.get(url1)
time.sleep(15)
parsed = browser.find_element_by_tag_name('html').get_attribute('innerHTML')
soup = BeautifulSoup(parsed, 'html.parser')
search_results = soup.select('dt.result-lockup__name a')
print(len(search_results))
time.sleep(5)
browser.quit()
不管结果数是多少,答案始终为10(即,仅返回10个结果)。 在进一步调查消息来源后,我注意到以下内容:
前10个结果以不同的级别表示,其余的则在div标签下,其样式类称为deferred area 。 尽管所有级别的搜索结果的dt类名都相同(result-lockup__name) ,但由于级别的变化,我无法访问/检索它。
在这种情况下检索所有结果的正确方法是什么?
编辑1
编辑2
页面来源按要求
许多网站不会在页面加载时显示所有搜索结果,而是仅在需要时显示它们,例如,访客不断滚动以表明他们想查看更多内容。
我们可以使用javascript滚动到window.scrollTo(0,document.body.scrollHeight)
的底部window.scrollTo(0,document.body.scrollHeight)
,(如果您希望获得数百个结果,则可能要循环进行此操作),然后强制页面上的所有结果我们可以获取HTML。
下面应该可以解决问题。
browser = webdriver.Firefox(executable_path=r'D:\geckodriver\geckodriver.exe')
url1 = "https://www.linkedin.com/sales/search/company?companySize=E&geoIncluded=emea%3A0%2Ceurope%3A0&industryIncluded=6&keywords=AI&page=1&searchSessionId=zreYu57eQo%2BSZiFskdWJqg%3D%3D"
browser.get(url1)
time.sleep(15)
browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')
time.sleep(15)
parsed = browser.find_element_by_tag_name('html').get_attribute('innerHTML')
soup = BeautifulSoup(parsed, 'html.parser')
search_results = soup.select('dt.result-lockup__name a')
print(len(search_results))
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.