6 / 6 / 1
Регистрация: 13.12.2015
Сообщений: 398

парсинг сайта

03.06.2017, 01:22. Показов 1390. Ответов 4
Метки нет (Все метки)

Студворк — интернет-сервис помощи студентам
Всем доброй ночи, вопрос следующий.
Есть сайт, с него получаю таблицу вида, но в excel выгружаю без шапки
Oracle 11 SQL
1
id дата тема информация
можно ли как-то вместо указания количества страниц if requests.get(url) == 404 or number_of_page == 1:
задать условия только по дате, т.е. столбец дата, т.е. input (введите период

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
# coding=<utf-8>
import xlsxwriter
import requests
from bs4 import BeautifulSoup
 
number_of_page = 0
row = 0
col = 0
headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.9; rv:45.0) Gecko/20100101 Firefox/45.0'}
 
 
# def amount_of_pages():
#     num_of_page, amount_of_page = 0, 0
#     while True:
#         num_of_page += 1
#         url = '' % num_of_page
#         req = requests.get(url)
#         req.headers.update(headers)
#         if req.status_code == 200:
#             amount_of_page += 1
#         else:
#             break
#     return amount_of_page
# fin_amount_of_pgs = amount_of_pages()
print ("Мы начинаем")
 
excel_book = xlsxwriter.Workbook('data.xlsx')
work_sheet = excel_book.add_worksheet()
print ("Данные будут загружены в текущую директорию. Имя файла data.xlsx")
print ("Поиск страницы и подтверждение соединения")
while True:
    number_of_page += 1
    url = '' % number_of_page
    r = requests.get(url, timeout=10.000)
    r.headers.update(headers)
    html = r.text
    soup = BeautifulSoup(html, 'html.parser')
    block_with_comments = soup.find_all('article', {'class': "responses__item"})
    for comment in block_with_comments:
            comment_link = comment.find('a', {'class': 'font-size-large font-bold margin-left-xx-small'}).get('href')
            work_sheet.write(row, col, comment_link)
            if (comment.find('time', {'class': 'display-inline-block'}) == None):
                test = soup.find('a', {'href': comment_link + '#comments'})
                testParent = test.parent.parent.find('time', {'class': 'display-inline-block'}).text
            else:
                comment_date = comment.find('time', {'class': 'display-inline-block'}).text
            work_sheet.write(row, col + 1, comment_date)
            comment_theme = comment.find('a', {'class': 'font-size-large font-bold margin-left-xx-small'}).text
            work_sheet.write(row, col + 2, comment_theme)
            if (comment.find('div', {'class': "responses__item__message markup-inside-small markup-inside-small--bullet"}) == None):
                test = soup.find('div', {'class': "responses__item__message markup-inside-small markup-inside-small--bullet"}).text
            else:
                comment_text = comment.find('div', {'class': "responses__item__message markup-inside-small markup-inside-small--bullet"}).text
            work_sheet.write(row, col + 3, comment_text)
            row += 1
    if requests.get(url) == 404 or number_of_page == 1:
        break
excel_book.close()
print("Данные выгружены")
0
IT_Exp
Эксперт
34794 / 4073 / 2104
Регистрация: 17.06.2006
Сообщений: 32,602
Блог
03.06.2017, 01:22
Ответы с готовыми решениями:

Парсинг сайта
Добрый день. Возникла проблема с написанием рекурсивного парсинга страниц сайта. Суть такова, написан код, который парсит только...

Парсинг сайта
Всем привет. Пытаюсь получить данные с сайта, flashscore. Конкретно нужно следующее - получить данные с главной страницы о каждом матче,...

Парсинг сайта
Вообщем нужно спарсить сайт https://tarkov-market.com/. Я парсю первые 10 элементов в таблице, но потом нужно подгружать...

4
Эксперт по компьютерным сетям
 Аватар для Jabbson
5907 / 3359 / 1036
Регистрация: 03.11.2009
Сообщений: 10,008
03.06.2017, 06:03
И чего же не хватает тут, что бы ответить на Ваш вопрос...
0
6 / 6 / 1
Регистрация: 13.12.2015
Сообщений: 398
03.06.2017, 13:45  [ТС]
Jabbson, url?
0
$ su
 Аватар для ntlinuxnt
1605 / 520 / 97
Регистрация: 18.11.2010
Сообщений: 2,807
Записей в блоге: 2
03.06.2017, 14:16
Ну на сайте есть фильтры? Если да то введите данные и проверьте какие запросы они шлют на сервер, заберите запросы и парсите.
0
6 / 6 / 1
Регистрация: 13.12.2015
Сообщений: 398
03.06.2017, 17:49  [ТС]
ntlinuxnt, фильтров нет, только город и все
0
Надоела реклама? Зарегистрируйтесь и она исчезнет полностью.
BasicMan
Эксперт
29316 / 5623 / 2384
Регистрация: 17.02.2009
Сообщений: 30,364
Блог
03.06.2017, 17:49
Помогаю со студенческими работами здесь

Парсинг сайта
Добрый день! Я хочу найти все изменения статьи на википедии за определенный период, допустим за 2018 год. Все даты изменений указаны под...

Парсинг сайта
Здравствуйте! Подскажите, пожалуйста, как достать с сайта дату, только, чтобы не всю, а сначало число, потом месяц, и потом год? С помощью...

Парсинг сайта
Добрый день, возник вопрос, нужно спарсить с сайта цены и название товаров, при парсинге берётся только первый div, даже через перебор не...

Парсинг сайта
У меня есть парсер цен AliExpress, он на селениуме, проблема в том что он медленный, хотелось более быстрой работы, bs4 не видит нужные...

Парсинг сайта habr.com
Необходимо парсить страницу со свежими статьями (вот эту) и выбирать те статьи, в которых встречается хотя бы одно из ключевых слов (эти...


Искать еще темы с ответами

Или воспользуйтесь поиском по форуму:
5
Ответ Создать тему
Опции темы

Новые блоги и статьи
Символьное дифференцирование
igorrr37 13.02.2026
/ * Логарифм записывается как: (x-2)log(x^2+2) - означает логарифм (x^2+2) по основанию (x-2). Унарный минус обозначается как ! в-строка - входное арифметическое выражение в инфиксной(обычной). . .
Камера Toupcam IUA500KMA
Eddy_Em 12.02.2026
Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .
И ясному Солнцу
zbw 12.02.2026
И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.
«Знание-Сила»
zbw 12.02.2026
«Знание-Сила» «Время-Деньги» «Деньги -Пуля»
SDL3 для Web (WebAssembly): Подключение Box2D v3, физика и отрисовка коллайдеров
8Observer8 12.02.2026
Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами и вызывать обработчики событий столкновения. . . .
SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL_LoadPNG (без SDL3_image)
8Observer8 11.02.2026
Содержание блога Библиотека SDL3 содержит встроенные инструменты для базовой работы с изображениями - без использования библиотеки SDL3_image. Пошагово создадим проект для загрузки изображения. . .
SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL3_image
8Observer8 10.02.2026
Содержание блога Библиотека SDL3_image содержит инструменты для расширенной работы с изображениями. Пошагово создадим проект для загрузки изображения формата PNG с альфа-каналом (с прозрачным. . .
Установка Qt-версии Lazarus IDE в Debian Trixie Xfce
volvo 10.02.2026
В общем, достали меня глюки IDE Лазаруса, собранной с использованием набора виджетов Gtk2 (конкретно: если набирать текст в редакторе и вызвать подсказку через Ctrl+Space, то после закрытия окошка. . .
КиберФорум - форум программистов, компьютерный форум, программирование
Powered by vBulletin
Copyright ©2000 - 2026, CyberForum.ru