- 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
最好使用 python(目前使用 urllib 和 BeautifulSoup)给定一个 URL。
例如,我正在尝试抓取此页面上的主要照片:http://www.marcjacobs.com/marc-jacobs/womens/bags-and-accessories/c3122001/the-single#?p=1&s=12
在 Firefox 中的“工具”>“页面信息”>“媒体”下列出了所有可见图像,包括指向我要抓取的图像的链接 (http://imagesec.mj.ctscdn.com/image/336/504/6ace6aac-c049-4d7e-9465-c19b5cd8e4ac.jpg)
两个相互关联的问题:
Google 的“购物”可能是一个可行的示例,如果您键入该产品的名称并选择颜色,该图片将以正确的颜色(来自完全相同的页面)显示在搜索结果中。
基本上,我希望能够从大多数购物网站上抓取颜色和样式/变化的特定图像。
选择正确的颜色似乎更复杂,在这种情况下,我暂时只选择黑色的主要产品图片..
到目前为止,我已尝试根据 img 高度标签选择图像,也尝试在没有高度/宽度标签时读取尺寸...但我想到必须有更好的方法。
最佳答案
这可能有点复杂,但大多数适用于这种特定情况的解决方案都几乎相同。
首先,让我告诉您为什么使用 Beautiful Soup 或 xlml 不起作用。您需要检索一些只有在您点击橙色包缩略图后才可用的信息,对吗?这是使用 Javascript 加载的,因此 Beautiful Soup 和 friend 无法使用橙色包图像(因为他们不解析 Javascript 也不解析解析树中不存在的元素)。所以这是一个死亡结局。
但是,还有其他屏幕抓取工具,如 Selenium或 PhantomJS。我已经测试了两者并且工作得很好。他们基本上集成了一个浏览器,因此他们显然能够管理 javascript。我不知道你是否需要从你的服务器自动抓取这个,或者你想随意开始抓取过程。使用 Selenium(在您告诉它要打开哪个页面、要单击哪个元素等之后),您将看到浏览器自行完成所有这些工作。还有其他可用选项,例如使用 headless 浏览器。在我看来,它非常强大,但要使其正常工作可能会变得非常复杂。
一个更简单的解决方案是使用 PhantomJs。它与 Selenium 类似,尽管正如其名称所示,您可以通过 Javascript 给出指令(这可能会更舒服一些,因为您已经在处理 Web 元素)。我建议你使用 CasperJS : 它简化了定义完整导航场景的过程,并为执行常见任务提供了有用的高级函数、方法和语法糖...
让我感受一下它的样子:
casperFunction = function(){
var casper = require('casper').create({
verbose: true
});
casper.start('yourwebpage'); // loading the webpage
casper.then(function(){ // after loading...
casper.evaluate(function(){ // get me some element's value
document.getElementById('yourelement').value
});
});
casper.then(function(){ // after that, click on this other element
this.click('#id_of_other_element');
})
casper.wait(7000); // wait for some processing... this can be quite
// useful if you need to wait a few seconds in
// order to retrieve your orange bag later
casper.run(); // actually runs the whole thing
您已经拥有完成任务所需的大部分东西。
顺便提醒一下,通常需要请求许可才能检索这种东西。
希望对您有所帮助。
关于python - 屏幕抓取图像(即 Firefox 页面信息/谷歌图像),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10867253/
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!