在爬行monsterindia.com時從刮y的外殼中獲取空響應

Question

我正在嘗試從monsterindia.com抓取一些頁面。 但是，每當我在scrapy shell上編寫任何xpath時，它都會給我空的結果。 但是，應該有某種方法，因為view（response）命令為我提供了相同的html頁面。

我運行了以下命令：

scrapy shell "https://www.monsterindia.com/search/computer-jobs"

在我的終端上，然后嘗試了幾種方法來制定不同的xpath，例如-response.xpath response.xpath('//*[@class="job-tittle"]/text()').extract() 。 但是，沒有運氣..總有空結果。

在終端上：

scrapy shell "https://www.monsterindia.com/search/computer-jobs"

然后， response.xpath('//div[@class="job-tittle"]/text()').extract()得到空結果。

然后， response.xpath('//*[@class="card-apply-content"]/text()').extract()得到空結果。

我希望它能帶來一些結果，我的意思是抓取后來自網站的文字。 請幫我。

Answer 1

您要查找的數據不在主頁上，而是在頁面加載后檢索到的響應中。 如果您在瀏覽器中選中“ 查看頁面源 ”，則將看到第一個請求中實際包含的內容。

通過檢查開發工具中的“網絡”標簽，您將看到其他請求，例如對此URL的請求： https : //www.monsterindia.com/middleware/jobsearch?query=computer&sort=1&limit=25

Answer 2

因此，我認為Thiago遇到的問題是該頁面使用xhr請求進行更新，其中包括結果計數查詢字符串參數。 這將返回您可以解析的json。 因此，您將網址更改為該網址並相應地處理json。

使用請求進行演示

import requests
from bs4 import BeautifulSoup as bs
import json

r = requests.get('https://www.monsterindia.com/middleware/jobsearch?query=computer&sort=1&limit=100')
soup = bs(r.content, 'lxml')
data = json.loads(soup.select_one('p').text)['jobSearchResponse']['data']

for item in data:
    print(item)

---

第一項的JSON

https://jsoneditoronline.org/?id=fe49c53efe10423a8d49f9b5bdf4eb36

---

帶有刮擦：

jsonres = json.loads(response.body_as_unicode()