python - 试图为页面上的所有鞋子抓取网站，但一直返回 None

Question

我试图为页面上的所有鞋子抓取该网站，但它一直返回 None，这是链接 https://www.goat.com/sneakers ,这是我的代码

import requests
from bs4 import BeautifulSoup as bs
import json

url = 'https://www.goat.com/sneakers'
headers= {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) 
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 
Safari/537.36',
}
page = requests.get(url, headers=headers).text
soup = bs(page, "html.parser")
containers = soup.find_all('a', {'class': 'cell'})
for container in containers:
    print(container)

Answer 1

正如@PedroLobito 所暗示的那样，网页不会直接响应数据，它是在使用 JavaScript 发出初始请求后加载的。这就是您什么都看不到的原因:原始 HTML 没有运动鞋数据。从返回 JSON 的端点检索数据。直接请求更容易。

使用网络浏览器中内置的开发者工具，我们可以看到一个 POST 请求发送到:

https://2fwotdvm2o-dsn.algolia.net/1/indexes/product_variants_v2/query?x-algolia-agent=Algolia for vanilla JavaScript 3.25.1&x-algolia-application-id=2FWOTDVM2O&x-algolia-api-key=ac96de6fef0e02bb95d433d8d5c7038a

有效载荷是

{"params":"distinct=true&facetFilters=()&facets=%5B%22size%22%5D&hitsPerPage=20&numericFilters=%5B%5D&page=0&query="}

我们可以直接用 requests 请求这个，然后使用响应对象的 json() 方法来实际使用数据，例如:

import json
import requests

url = 'https://2fwotdvm2o-dsn.algolia.net/1/indexes/product_variants_v2/query?x-algolia-agent=Algolia for vanilla JavaScript 3.25.1&x-algolia-application-id=2FWOTDVM2O&x-algolia-api-key=ac96de6fef0e02bb95d433d8d5c7038a'
data = {"params":"distinct=true&facetFilters=()&facets=%5B%22size%22%5D&hitsPerPage=20&numericFilters=%5B%5D&page=0&query="}
r = requests.post(url, data=json.dumps(data))
print(r.json()['hits'][0])

这给了我们

{'product_template_id': 116662, 'shoe_condition': 'used', 'box_condition': 'badly_damaged', 'lowest_price_cents': 18500, 'instant_ship_lowest_price_cents': None, 'brand_name': 'adidas', 'category': ['lifestyle'], 'color': 'White', 'designer': 'Kanye West', 'details': 'Cream White/Cream White/Core White', 'gender': ['men'], 'grid_picture_url': 'https://image.goat.com/375/attachm...