[英]Python Beautiful Soup
我正在學習Python的Beautiful Soup,並嘗試解析一個網站“ https://www.twitteraudit.com/ ”。 當我在搜索欄中輸入Twitter ID時,它會在幾秒鍾內返回某些ID的結果,但某些ID大約需要一分鍾來處理數據。 在這種情況下,如何在加載或結果完成后解析HTML? 我試圖循環它,但是那樣行不通。 但是我想到的是,如果我打開瀏覽器並加載Web鏈接,一旦完成,它將緩存存儲在計算機中,而下一次當我運行相同的ID時,它運行得很好。
誰能幫我這個忙嗎? 感謝您的幫助。 我在下面附上代碼>>
from bs4 import BeautifulSoup as soup
from urllib.request import urlopen as uReq
import re
from re import sub
def HTML(myURL):
uClient = uReq(myURL)
pageHTML = uClient.read()
uClient.close()
pageSoup = soup(pageHTML, "html.parser")
return pageSoup
def fakecheck(usr):
myURLfc = "https://www.twitteraudit.com/" + usr
pgSoup = HTML(myURLfc)
foll = pgSoup.findAll("div",{"class":"audit"})
link = foll[0].div.a["href"]
real = foll[0].findAll("span",{"class":"real number"})[0]["data-value"]
fake = foll[0].findAll("span",{"class":"fake number"})[0]["data-value"]
scr = foll[0].findAll("div",{"class":"score"})[0].div
scoresent = scr["class"][1]
score = re.findall(r'\d{1,3}',str(scr))[0]
return [link, real, fake, scoresent, score]
lis = ["BarackObama","POTUS44","ObamaWhiteHouse","MichelleObama","ObamaFoundation","NSC44","ObamaNews","WhiteHouseCEQ44","IsThatBarrak","obama_barrak","theprezident","barrakubama","BarrakObama","banackkobama","YusssufferObama","barrakisdabomb_","BarrakObmma","fuzzyjellymasta","BarrakObama6","bannalover101","therealbarrak","ObamaBarrak666","barrak_obama"]
for u in lis:
link, real, fake, scoresent, score = fakecheck(u)
print ("link : " + link)
print ("Real : " + real)
print ("Fake : " + fake)
print ("Result : " + scoresent)
print ("Score : " + score)
print ("=================")
我認為問題是某些Twitter ID尚未經過審核,因此我收到了IndexError
。 但是, fakecheck(u)
的調用fakecheck(u)
while True:
循環中以捕獲該錯誤的時間將不斷檢查網站,直到對該ID進行審核為止。
我將此代碼放在lis
定義之后:
def get_fake_check(n):
return fakecheck(n)
for u in lis:
while True:
try:
link, real, fake, scoresent, score = get_fake_check(u)
break
except:
pass
我不確定是否可以在網站上自動執行審核請求,但是在查詢等待時,我手動單擊了網站上該ID的“ Audit ”按鈕,一旦審核完成,該腳本像往常一樣繼續進行,直到完成所有ID審核為止。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.