Python網頁抓取美麗湯

Question

我可以毫無問題地刮擦此站點表； 但是，要訪問我自定義的表，我需要先登錄然后抓取，因為如果沒有，我將獲得默認輸出。 我覺得我已經接近了，但是我對python還是比較陌生的。 期待更多地了解機械化和BeautifulSoup。

如果我故意在下面輸入錯誤的密碼，我會收到“錯誤的密碼”錯誤，這似乎可以正確登錄，但是如何將登錄名連接到要抓取的網址？

from bs4 import BeautifulSoup
import urllib
import csv
import mechanize
import cookielib

cj = cookielib.CookieJar()
br = mechanize.Browser()
br.set_cookiejar(cj)
br.open("http://www.barchart.com/login.php")

br.select_form(nr=0)
br.form['email'] = 'username'
br.form['password'] = 'password'
br.submit()

#print br.response().read()

r = urllib.urlopen("http://www.barchart.com/stocks/sp500.php?view=49530&_dtp1=0").read()

soup = BeautifulSoup(r, "html.parser")

tables = soup.find("table", attrs={"class" : "datatable ajax"})

headers = [header.text for header in tables.find_all('th')]

rows = []

for row in tables.find_all('tr'):
    rows.append([val.text.encode('utf8') for val in row.find_all('td')])


with open('snp.csv', 'wb') as f:
    writer = csv.writer(f)
    writer.writerow(headers)
    writer.writerows(row for row in rows if row)

#from pymongo import MongoClient
#import datetime
#client = MongoClient('localhost', 27017)

print soup.table.get_text()

Answer 1

我不確定您實際上是否需要登錄才能檢索到問題中的URL。 無論是否登錄，我都會得到相同的結果。

但是，如果確實需要登錄才能訪問其他數據，則問題將是您使用mechanize登錄，然后使用urllib.urlopen()訪問該頁面。 兩者之間沒有任何聯系，因此， mechanize收集的任何會話數據在發出請求時都無法用於urlopen 。

在這種情況下，您無需使用urlopen()因為您可以打開URL並使用mechanize訪問HTML：

r = br.open("http://www.barchart.com/stocks/sp500.php?view=49530&_dtp1=0")
soup = BeautifulSoup(r.read(), "html.parser")