python - 使用 Inspect 元素进行抓取

Question

我试图通过抓取 Instagram 来获取一些信息。我已经在 Twitter 上尝试过这段代码，它运行良好，但它在 Instagram 上没有显示任何结果，这两种代码都可以在这里找到。

---

推特代码:

from bs4 import BeautifulSoup
from urllib2 import urlopen
theurl = "https://twitter.com/realmadrid"
thepage = urlopen(theurl)
soup = BeautifulSoup(thepage,"html.parser")
print(soup.find('div',{"class":"ProfileHeaderCard"}))

结果:完美给出。

---

Instagram 代码:​​

from bs4 import BeautifulSoup
from urllib2 import urlopen
theurl = "https://www.instagram.com/barackobama/"
thepage = urlopen(theurl)
soup = BeautifulSoup(thepage,"html.parser")
print(soup.find('div',{"class":"_bugdy"}))

结果:无

Answer 1

如果您查看源代码，您会看到内容是动态加载的，因此没有 div._bugdy在您的请求返回的内容中，根据您想要的内容，您可以从脚本 json 中提取它:

import requests
import re
import json

r = requests.get("https://www.instagram.com/barackobama/")
soup = BeautifulSoup(r.content)
js = soup.find("script",text=re.compile("window._sharedData")).text
_json = json.loads((js[js.find("{"):js.rfind("}")+1]))
from pprint import pprint as pp

pp(_json)

这为您提供了在 <script type="text/javascript">window._sharedData = ..... 中看到的所有内容在返回的来源中。

如果你想获得关注者，那么你需要使用类似 selenium 的东西, 该站点几乎都是动态加载的内容，要获得关注者，您需要单击仅在您登录后才可见的链接，这将使您更接近您想要的内容:

from selenium import webdriver
import time
login = "https://www.instagram.com"
dr = webdriver.Chrome()

dr.get(login)

dr.find_element_by_xpath("//a[@class='_k6cv7']").click()
dr.find_element_by_xpath("//input[@name='username']").send_keys(youruname")
dr.find_element_by_xpath("//input[@name='password']").send_keys("yourpass")
dr.find_element_by_css_selector("button._aj7mu._taytv._ki5uo._o0442").click()
time.sleep(5)
dr.get("https://www.instagram.com/barackobama")

dr.find_element_by_css_selector('a[href="/barackobama/followers/"]').click()
time.sleep(3)
for li in dr.find_element_by_css_selector("div._n3cp9._qjr85").find_elements_by_xpath("//ul/li"):
    print(li.text)

这会在您单击链接后从出现在弹出窗口中的 li 标签中提取一些文本，您可以从无序列表中提取任何您想要的内容: