- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我必须迭代 4000 多页:在每一页之后。当我们到达最后可用的页面时,没有更多的页面,所以我们完成并可以退出循环,例如最后。
可能没有涵盖欧洲所有国家的数据库(例如非民主国家白俄罗斯没有发布太多信息)。因此,如果您需要 OpenStreetMap 拥有的更多数据,您可能需要逐个国家查看。以下是法国的数据。法国政府创建了一个网站,显示法国所有 4307 家医院和诊所的名单:
单击“Voir la liste des établissements”获取完整列表。乍一看,从一个页面到另一个页面的抓取问题 - 可以通过不同的方法解决:
查看似乎从零数到最大值的数字 - 在这之间我们有一堆数字可以获取站点;例如 470000027
我们在页面底部没有分页:例如看:
https://www.scopesante.fr#/etablissements/470000027/fiche-detaillee/" LINIQUE ESQUIROL-SAINT-HILAIRE</span></a>
https://www.scopesante.fr#/etablissements/470005406/fiche-detaillee/" CH AGEN NERAC - HOPITAL DE MONBRAN-(Modification juridique le 31 décembre 2016)</span></a>
https://www.scopesante.fr#/etablissements/470008780/fiche-detaillee/" EHPAD-USLD DE POMPEYRIE CH AGEN NERAC</span></a>
https://www.scopesante.fr#/etablissements/470000423/fiche-detaillee/" CH AGEN NERAC - HOPITAL SAINT-ESPRIT</span></a>
https://www.scopesante.fr#/etablissements/470000159/fiche-detaillee/" CLINIQUE CALABET</span></a>
https://www.scopesante.fr#/etablissements/040780405/fiche-detaillee/" CENTRE DES CARMES</span></a>
https://www.scopesante.fr#/etablissements/430000166/fiche-detaillee/" CENTRE SSR JALAVOUX</span></a>
https://www.scopesante.fr#/etablissements/050000223/fiche-detaillee/" CENTRE HOSPITALIER AIGUILLES QUEYRAS</span></a>
https://www.scopesante.fr#/etablissements/030000160/fiche-detaillee/" CENTRE HOSPITALIER SPECIALISE D'AINAY</span></a>
https://www.scopesante.fr#/etablissements/950500017/fiche-detaillee/" GHI DU VEXIN SSR SITE AINCOURT</span></a>
https://www.scopesante.fr#/etablissements/400782769/fiche-detaillee/" POLYCLINIQUE DE L'ADOUR</span></a>
https://www.scopesante.fr#/etablissements/400780367/fiche-detaillee/" CLINIQUE MEDICALE JEAN SARRAILH</span></a>
等等......我们可以将这个 url 设置为基础 -
如果我们有一个数组,我们可以从中加载需要访问的 url - 我们会遇到所有页面..我们有大约 4400 个我们必须访问的页面的记录。
关于循环过程:
这里是页面参数后的附加信息
这意味着您可以读取页面的内容,然后将 page 的值更改为 1,然后读取下一页......等等。
import csv
import requests
from bs4 import BeautifulSoup
for i in range(4400): # Number of pages plus one
url = "".format(i)
r = requests.get(url)
soup = BeautifulSoup(r.content)
# Your code for each individual page here
html = urlopen(url)
soup = BeautifulSoup(html,"html.parser")
Title = soup.find_all ,,,,
for i in Title:
try:
print(text)
f.close()
见下图:
问题是 - 解析器进程是否正常 - 从零到 100 000 的迭代?
<ul><li class="views-row">
<div class="views-field views-field-title">
<div class="field-content">
<a href="https://www.scopesante.fr#/etablissements/800002503/fiche-detaillee/" onclick="javascript:_paq.push(['trackEvent', 'Accès fiche établissement depuis …', 'Toutes les fiches établissements']);"><span class="ville">ABBEVILLE</span><span class="etablissement">SA CLINIQUE SAINTE ISABELLE</span></a>
<div class="clear_left"></div>
</div>
</div>
</li><li class="views-row">
<div class="views-field views-field-title">
<div class="field-content">
<a href="https://www.scopesante.fr#/etablissements/800006231/fiche-detaillee/" onclick="javascript:_paq.push(['trackEvent', 'Accès fiche établissement depuis …', 'Toutes les fiches établissements']);"><span class="ville">ABBEVILLE</span><span class="etablissement">SSR CH ABBEVILLE</span></a>
<div class="clear_left"></div>
</div>
</div>
</li><li class="views-row">
<div class="views-field views-field-title">
<div class="field-content">
<a href="https://www.scopesante.fr#/etablissements/800015539/fiche-detaillee/" onclick="javascript:_paq.push(['trackEvent', 'Accès fiche établissement depuis …', 'Toutes les fiches établissements']);"><span class="ville">ABBEVILLE</span><span class="etablissement">HAD CH ABBEVILLE</span></a>
<div class="clear_left"></div>
</div>
</div>
</li><li class="views-row">
<div class="views-field views-field-title">
<div class="field-content">
<a href="https://www.scopesante.fr#/etablissements/800000143/fiche-detaillee/" onclick="javascript:_paq.push(['trackEvent', 'Accès fiche établissement depuis …', 'Toutes les fiches établissements']);"><span class="ville">ABBEVILLE</span><span class="etablissement">CH ABBEVILLE</span></a>
<div class="clear_left"></div>
</div>
</div>
</li><li class="views-row">
<div class="views-field views-field-title">
<div class="field-content">
<a href="https://www.scopesante.fr#/etablissements/570000380/fiche-detaillee/" onclick="javascript:_paq.push(['trackEvent', 'Accès fiche établissement depuis …', 'Toutes les fiches établissements']);"><span class="ville">ABRESCHVILLER</span><span class="etablissement">ABRESCHVILLER - CRS SAINT LUC</span></a>
<div class="clear_left"></div>
</div>
</div>
</li><li class="views-row">
<div class="views-field views-field-title">
<div class="field-content">
<a href="https://www.scopesante.fr#/etablissements/340017292/fiche-detaillee/" onclick="javascript:_paq.push(['trackEvent', 'Accès fiche établissement depuis …', 'Toutes les fiches établissements']);"><span class="ville">AGDE</span><span class="etablissement">UADSA ST GUILHEM PAYS D'AGDE</span></a>
<div class="clear_left"></div>
</div>
</div>
</li><li class="views-row">
<div class="views-field views-field-title">
<div class="field-content">
<a href="https://www.scopesante.fr#/etablissements/340780436/fiche-detaillee/" onclick="javascript:_paq.push(['trackEvent', 'Accès fiche établissement depuis …', 'Toutes les fiches établissements']);"><span class="ville">AGDE</span><span class="etablissement">HOPITAL ST LOUP HBT AGDE</span></a>
<div class="clear_left"></div>
</div>
</div>
</li><li class="views-row">
<div class="views-field views-field-title">
问题是 - 解析器进程是否正常 - 从零到 100 000 的迭代?
最佳答案
当我访问所有场所列表网页时,我看到该站点首先使用自己的私有(private) API 来获取场所列表。查看:
https://ws.scopesante.fr/v4/carte-etablissements
私有(private) API 以 JSON 格式返回完整的机构列表及其“id”编号。所以,你去吧。这是完整列表。您可以使用每个组织的“id”号来查找每个组织的“详细信息”页面。因此,使用到“详细信息”页面的路由:
https://www.scopesante.fr#/etablissements/PUT_ID_NUMBER_HERE/fiche-detaillee/
您可以只获取所有“id”数字,将它们放入 Python 列表中,然后遍历那个列表(而不是像您上面描述的那样尝试计数)。
注意:抓取此数据时请保持尊重。在短时间内向服务器发出约 4000 个请求会增加负载。此外,如果该站点具有适当的反机器人机制,您可能会被阻止。
你是对的。大约有4400家机构;具体来说,我看到了 3869 家机构。但是,您可以查看每个组织的“id”号。因此,在抓取网站时使用这些“id”编号会更有效。
编辑:我更频繁地使用 API,发现您可以通过调用 API 直接获取特定机构的详细信息。见:
https://ws.scopesante.fr/v4/fiche-identite/010000024
这将返回特定机构的详细信息。只需将 URL 末尾的数字替换为您要查找的机构的“id”编号即可。
使用 API 通常比直接抓取页面更有效。与抓取网页相比,使用 API 对服务器的负载也更小。 API 直接为您提供数据。网页为您提供您不需要查看的数据和一堆资源(CSS、JS 等)。
关于python - 如何使用 python 和 beautifulsoup4 循环和抓取多个页面的数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48870908/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!