我想刮tripadvisor。假设我想刮坏的评论对这个特殊的酒店:屏幕抓取tripadvisor与张贴请求
我只是想“可怕”类别,这一选择/过滤应该由HTML表单控制。 我打算发送一份提交申请的表单。我原本想从机械化模块中使用br.submit(),但后来发现它不支持JavaScript。所以我希望使用post请求绕过javascript。
但是,当我使用机械化来查看相关控件时,单选按钮具有相同的值。 这里是我的代码:
br = mechanize.Browser()
br.set_handle_equiv(True)
br.set_handle_gzip(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
br.open("http://www.tripadvisor.com/Hotel_Review-g31441-d224344-Reviews-Hilton_Garden_Inn_Bentonville-Bentonville_Arkansas.html#REVIEWS")
for f in br.forms():
print f
下面是其中的相关窗体和控件:
<POST http://www.tripadvisor.com/SortReviews#REVIEWS application/x-www-form-urlencoded
<RadioControl(segRdo=[on, on, on, on, on])>
<RadioControl(comRdo=[on, on, on, on, on])>
<HiddenControl(returnTo=__2F__Hotel__5F__Review__2D__g31441__2D__d224344__2D__Reviews__2D__Hilton__5F__Garden__5F__Inn__5F__Bentonville__2D__Bentonville__5F__Arkansas__2E__html#REVIEWS) (readonly)
<HiddenControl(filterSegment=0) (readonly)>
<HiddenControl(filterRating=1) (readonly)>>
所以评级由comRdo控制控制,但奇怪的是,类别,或单选按钮有相同的值'on'。 我们之前并选择其中一个类别后,看到该控件的属性:
前:
control_com=br.form.find_control("comRdo","radio")
print control_com.name,control_com.value,control_com.type
comRdo [] radio
后:所以选择“可怕”类别后
(br.form.find_control("comRdo","radio")).items[4].selected=True
print control_com.name,control_com.value,control_com.type
comRdo ['on'] radio
,控件的值是'如果我选择了任何其他类别,这将是相同的。当我在comRdo控件中打印项目时:只有'id是不同的,每个其他属性都是相同的:
<Item name='on' id='com1' id='com1' type='radio' class='radio' value='on' name='comRdo'>
<Item name='on' id='com2' id='com2' type='radio' class='radio' value='on' name='comRdo'>
...
那么这是如何工作的?服务器如何知道我选择哪个单选按钮,因为它们都具有相同的值? 我准备了发布数据并将其发送到请求中,并且如预期的那样不起作用。 RES具有相同的内容作为一个没有任何过滤/后请求
form={"comRdo":"on"}
req=mechanize.Request("http://www.tripadvisor.com/Hotel_Review-g31441-d224344-Reviews-Hilton_Garden_Inn_Bentonville-Bentonville_Arkansas.html#REVIEWS",urllib.urlencode(form))
req.add_header('Content-Type','application/x-www-form-urlencoded')
cj.add_cookie_header(req)
res=mechanize.urlopen(req)
而且我也试图与其他后数据中的代码:
form={"comRdo":["on","on","on","on","on","*on"]}
或
form={"filterSegment":"0","filterRating":"1"}
莫非
有人帮我解决这个问题?这个页面如何使用相同值的单选按钮?我如何以编程方式过滤评论?提前致谢!
感谢斯莱特Tyranus和Diadara,我的以下代码工作!
form={"returnTo":"__2F__Hotel__5F__Review__2D__g31441__2D__d224344__2D__Reviews__2D__Hilton__5F__Garden__5F__Inn__5F__Bentonville__2D__Bentonville__5F__Arkansas__2E__html#REVIEWS","filterSegment":"0","filterRating":"1"}
url="http://www.tripadvisor.com/SortReviews#REVIEWS"
headers={'content-type':'application/x-www-form-urlencoded'}
r=requests.post(url,data=form)
soup=BeautifulSoup(r.content)
谢谢!但问题是,我不明白什么网络标签显示我。更具体地说,我不知道在哪里寻找后期参数。你能详细说明一下还是给我一个教程的链接? – GorillaInR
行动= “/ SortReviews#点评”,但这指的是代码shoudl是: “上” “returnTo”:数据= { “comRdo” “__ 2F__Hotel__5F__Review__2D__g31441__2D__d224344__2D__Reviews__2D__Hilton__5F__Garden__5F__Inn__5F__Bentonville__2D__Bentonville__5F__Arkansas__2E__html#评测” “filterSegment”: “0” “filterRating” : “1”} requests.post( “http://www.tripadvisor.com/SortReviews#REVIEWS”,数据) – GorillaInR
你可以使用官方文件https://developers.google.com/chrome-developer-tools/docs /网络,你可以找到大量tutorils对铬devtools在YouTube这样http://www.youtube.com/watch?v=nOEw9iiopwI请考虑投票向上或接受我的答案,如果你发现它有用 – Diadara