使用漂亮的汤在 python 中进行网络抓取：AttributeError: 'NoneType' object 没有属性 'text'

Question

我正在使用 html 请求和漂亮的汤（我是新手）开发一个网络爬虫。 对于 1 个网页（ https://www.superdrug.com/Make-Up/Face/Primer/Face-Primer/Max-Factor-False-Lash-Effect-Max-Primer/p/788724 ）我试图刮产品的价格。 HTML 是：

<span class="pricing__now" itemprop="price">8.99</span>

我尝试过使用soup.find 和soup.find_all：

r = session.get(link)
r.html.render(sleep=3, timeout=30)
soup = BeautifulSoup(r.content, 'lxml')
price = soup.find('span', itemprop="price").text

r = session.get(link)
r.html.render(sleep=3, timeout=30)
soup = BeautifulSoup(r.content, 'lxml')
price = soup.find_all('span', itemprop="price").text

和 r.html.find：

r = session.get(link)
r.html.render(sleep=6, timeout=30)
price = r.html.find('body > div.pdp-container > div.content-wrapper.pdp > div > div > div.pdp__purchase-options > div.pricing > span:nth-child(2)', first=True).text

返回None和空列表，或者AttributeError: 'NoneType' object has no attribute 'text' 。 我不确定为什么我无法获取这些信息。 任何帮助，将不胜感激。

Answer 1

您可以从页面中嵌入的 Json 数据中获取价格。 例如：

import json
import requests
from bs4 import BeautifulSoup

url = "https://www.superdrug.com/Make-Up/Face/Primer/Face-Primer/Max-Factor-False-Lash-Effect-Max-Primer/p/788724"
headers = {
    "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:87.0) Gecko/20100101 Firefox/87.0"
}

soup = BeautifulSoup(requests.get(url, headers=headers).content, "html.parser")

data = json.loads(soup.select('[type="application/ld+json"]')[1].contents[0])

# uncomment this to print all data:
# print(json.dumps(data, indent=4))

print(data["offers"]["price"])

印刷：

8.99