[英]How do I extract the data from the URL using Regex (Know the variable name)?
我正在尝试使用Scrapy and Beautiful Soup从网站https://www.icra.in/Rationale/Index?CompanyName=20%20Microns%20Limited中提取数据。 但是,当我使用类'list-nw'
时,两个刮板都返回空。
我使用BS尝试了不同的解析器,但相同。 仔细观察,我发现视图源包含我需要的数据。 因此,我得到具有数据的文本中的页面内容。 (而不是课程)。
如何使用正则表达式在变量var Model
内的键"LstrationaleDetails"
提取整个数组。 (电话号码793)?
我尝试了几种Regex,但无法进行。 是Regex唯一的选择,还是我可以使用Scrapy或BS? 也很困惑,因为提取后我将如何存储它? 如果它是JSON,则可以反序列化。 我在想些split
和eval
的事情。
我为BS尝试过这个。
page = urllib.request.urlopen(quote_page)
soup = BeautifulSoup(page, 'html5lib.parser')
print(soup)
谢谢您的帮助。
归属于@tmadam
您可以使用以下正则表达式从源html中提取。 使用DOTALL标志允许换行符。 标头中需要User-Agent。
import requests
import re
import json
url = 'https://www.icra.in/Rationale/Index?CompanyName=20%20Microns%20Limited'
headers = {
'User-Agent' : 'Mozilla/5.0'
}
r = requests.get(url, headers = headers)
data = re.search('var Model =(.*?);\s+Ratinoal', r.text, flags=re.DOTALL).group(1)
result = json.loads(data)
for item in result['LstrationaleDetails']:
print(item)
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.