- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在执行一项任务,我必须使用 python 请求库从网页中获取详细信息。我已经成功地从页面中获取了详细信息,但它有一个按钮“显示详细信息”,它使用 ajax 调用获取更多详细信息,现在我还需要获取这些额外的详细信息。任何人都可以帮助我这样做吗?这是网站的链接:- http://ipindiaonline.gov.in/tmrpublicsearch/frmmain.aspx以及此处的网站屏幕截图:
这是我编写的代码。
from bs4 import BeautifulSoup
import requests,json
def returnJson(wordmark, page_class):
url = "http://ipindiaonline.gov.in/tmrpublicsearch/frmmain.aspx"
r_init = requests.get(url)
soup = BeautifulSoup(r_init.text, 'html.parser')
event_validation = soup.find("input", attrs={"name" : "__EVENTVALIDATION"})['value']
view_state = soup.find("input", attrs={"name" : "__VIEWSTATE"})['value']
search_type = 'WM'
postdata = {
'ctl00$ContentPlaceHolder1$DDLFilter' : '0',
'ctl00$ContentPlaceHolder1$DDLSearchType' : search_type,
'ctl00$ContentPlaceHolder1$TBWordmark' : wordmark,
'ctl00$ContentPlaceHolder1$TBClass' : page_class,
'__EVENTVALIDATION' : event_validation,
"__EVENTTARGET" : "ctl00$ContentPlaceHolder1$BtnSearch",
"__VIEWSTATE" : view_state,
}
r = requests.post(url, data=postdata)
return r
def scraping(r):
soup = BeautifulSoup(r.text, 'html.parser')
counter=len(soup.findAll('tr',attrs={'class':'row'}))
counter+=len(soup.findAll('tr',attrs={'class':'alt'}))
wordmark_idvalue='ContentPlaceHolder1_MGVSearchResult_lblsimiliarmark_'
proprietor_idvalue='ContentPlaceHolder1_MGVSearchResult_LblVProprietorName_'
applicationno_idvalue='ContentPlaceHolder1_MGVSearchResult_lblapplicationnumber_'
class_idvalue='ContentPlaceHolder1_MGVSearchResult_lblsearchclass_'
status_idvalue='ContentPlaceHolder1_MGVSearchResult_Label6_'
words_list=[]
for i in range(0,counter):
words_dict={}
row=soup.find('span',attrs={'id':(wordmark_idvalue+str(i))})
words_dict['Wordmark']=row.text
row=soup.find('span',attrs={'id':(proprietor_idvalue+str(i))})
words_dict['Proprietor']=row.text
row=soup.find('span',attrs={'id':(applicationno_idvalue+str(i))})
words_dict['Application Number']=row.text
row=soup.find('span',attrs={'id':(class_idvalue+str(i))})
words_dict['Class ']=row.text
row=soup.find('span',attrs={'id':(status_idvalue+str(i))})
words_dict['Status']=row.text
words_list.append(words_dict)
return words_list
def showDetails(wordmark, page_class):
if(len(wordmark)>2 and page_class.isalnum()==1):
var=json.dumps(scraping(returnJson(wordmark, page_class)))
return var
else:
print("Please Enter Valid Parameters\n")
showDetails('AIWA','2')
最佳答案
您需要使用来自第一个 POST 请求的信息创建另一个 POST 请求。下面显示了如何从返回的数据中提取商品和服务描述
:
from operator import itemgetter
from bs4 import BeautifulSoup
import requests,json
headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.47 Safari/537.36'}
def get_input_value(soup, name):
return soup.find("input", attrs={"name" : name})['value']
def returnJson(wordmark, page_class):
url = "http://ipindiaonline.gov.in/tmrpublicsearch/frmmain.aspx"
r_init = requests.get(url)
soup = BeautifulSoup(r_init.text, 'html.parser')
postdata = {
"ctl00$ContentPlaceHolder1$DDLFilter" : "0",
"ctl00$ContentPlaceHolder1$DDLSearchType" : "WM",
"ctl00$ContentPlaceHolder1$TBWordmark" : wordmark,
"ctl00$ContentPlaceHolder1$TBClass" : page_class,
"__EVENTVALIDATION" : get_input_value(soup, "__EVENTVALIDATION"),
"__EVENTTARGET" : "ctl00$ContentPlaceHolder1$BtnSearch",
"__VIEWSTATE" : get_input_value(soup, "__VIEWSTATE"),
}
r = requests.post(url, headers=headers, data=postdata)
return r
def scraping(r):
soup = BeautifulSoup(r.content, 'html.parser')
counter = len(soup.find_all('tr', attrs={'class':'row'}))
counter += len(soup.find_all('tr', attrs={'class':'alt'}))
words_list = []
fields = [
("Wordmark", "ContentPlaceHolder1_MGVSearchResult_lblsimiliarmark_{}"),
("Proprietor", "ContentPlaceHolder1_MGVSearchResult_LblVProprietorName_{}"),
("Application Number", "ContentPlaceHolder1_MGVSearchResult_lblapplicationnumber_{}"),
("Class", "ContentPlaceHolder1_MGVSearchResult_lblsearchclass_{}"),
("Status", "ContentPlaceHolder1_MGVSearchResult_Label6_{}"),
]
for index in range(0, counter):
words_dict = {}
for key, field in fields:
words_dict[key] = soup.find('span', attrs={'id' : field.format(index)}).text
print("Wordmark: {}".format(words_dict["Wordmark"]))
# Construct a POST request for the Show Details panel
# Locate matching 'Show details' link
span = soup.find('span', attrs={'id' : fields[0][1].format(index)})
a = span.find_next('a', class_='LnkshowDetails')
lnk_show_details = a['href'].split("'")[1]
data = {
"__EVENTTARGET" : lnk_show_details,
"__VIEWSTATE" : get_input_value(soup, "__VIEWSTATE"),
"__VIEWSTATEENCRYPTED" : "",
"__EVENTVALIDATION" : get_input_value(soup, "__EVENTVALIDATION"),
"__ASYNCPOST" : "true",
}
url = "http://ipindiaonline.gov.in/tmrpublicsearch" + soup.form["action"].strip(".")
r_details = requests.post(url, headers=headers, data=data)
html = b''.join(itemgetter(7, 8)(r_details.content.split(b"|")))
soup_details = BeautifulSoup(html, "html.parser")
details = {}
for tr in soup_details.find_all('tr'):
row = [td.text for td in tr.find_all('td')] # Note: Journal No and Used since would need more work
details[row[0]] = row[1]
# Copy description
desc = 'Goods & Services Description'
words_dict[desc] = details[desc]
words_list.append(words_dict)
return words_list
def showDetails(wordmark, page_class):
if len(wordmark) > 2 and page_class.isalnum() == 1:
var = json.dumps(scraping(returnJson(wordmark, page_class)))
return var
else:
print("Please Enter Valid Parameters\n")
print(showDetails('AIWA','2'))
这将显示:
Wordmark: AIWA
Wordmark: AIWACEM
Wordmark: AIWAPRIME (LABEL)
[{"Wordmark": "AIWA", "Proprietor": "AIWA CO. LTD.", "Application Number": "683935", "Class": "2", "Status": "Registered", "Goods & Services Description": "PAINTS, VARNISHES, LACQUERS, PRESERVATIVES AGAINST RUST AND AGAINST DESTRIORATION OF WOOD, COLOURING MATTERS, DYESTUFFS, MORDANTS, NATURAL RESINS, METALS IN FOIL AND POWDER FROM FOR PAINTERS AND DECORATORS."}, {"Wordmark": "AIWACEM ", "Proprietor": "AMITA B. MEHTA", "Application Number": "1108415", "Class": "2", "Status": "Registered", "Goods & Services Description": "waterproof cement paint."}, {"Wordmark": "AIWAPRIME (LABEL)", "Proprietor": "AMITA B. MEHTA", "Application Number": "1165809", "Class": "2", "Status": "Registered", "Goods & Services Description": "WATER BASED CEMENT PRIMER INCLUDED IN CLASS 2."}]
注意:返回的数据包含由|
字符分隔的其他字段。详细信息的 HTML 也恰好包含此字符,因此有必要提取字段 7
和 8
以仅获取 HTML。
关于javascript - 抓取页面以获取编码的 javascript 链接,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53050096/
如本answer所述,如果浏览器不支持 e,可以设置后备游标。 G。 光标:抓取;。我现在的问题是获取这些图像。在我的驱动器上本地搜索“.cur”只给了我系统光标,其中 grab.cur 和 grab
以下代码在计算机上运行以从 Instagram 帐户中抓取数据。当我尝试在 VPS 服务器上使用它时,我被重定向到 Instagram 登录页面,因此脚本不起作用。 为什么当我在电脑上或服务器上时,I
我在使用 Ruby 和 Mechanize 将 POST 查询传递到站点的网站上。访问站点的查询基于 firebug,如下所示 param.PrdNo=-1¶m.Type=Prop¶m
我正在尝试抓取一个具有多个页面结果的网站,例如“1、2、3、4、5...”。 每个分页号都是到另一个页面的链接,我需要抓取每个页面。 到目前为止,我想出了这个: while lien = page.l
我正在使用 HtmlAgilityPack 在 C# Asp.Net 中执行 Scraping,到目前为止,我在从多个 Web 执行 Scratch 时没有遇到问题,但是,尝试弹出以下代码时出现错误
如果我有一个 css 文件做这样的事情 #foo:after{content:"bar;} ,有没有办法用 javascript 获取 :after 的内容?获取父元素的内容只返回 #foo 元素的内
问题是这样的: 我有一个 Web 应用程序 - 一个经常更改的通知系统 - 在一系列本地计算机上运行。该应用程序每隔几秒刷新一次以显示新信息。计算机仅显示信息,没有键盘或任何输入设备。 问题是,如果与
我想制作一个程序来模拟用户浏览网站和点击链接。必须启用 Cookie 和 javascript。我已经在 python 中成功地做到了这一点,但我想把它写成一种可编译的语言(python ide 不会
我制作了这个小机器人,它通过搜索参数列表进行处理。它工作正常,直到页面上有几个结果: product_prices_euros 给出了一半为空的项目列表。因此,当我与 product_prices_c
我需要找到一个单词的匹配项,例如: 在网上找到所有单词“学习”https://www.georgetown.edu/(结果:4个字)(您可以看到它按CTRL + F并搜索) 我有我的 Python 代
有一个站点\资源提供一些一般统计信息以及搜索工具的界面。这种搜索操作成本高昂,因此我想限制频繁且连续(即自动)的搜索请求(来自人,而不是来自搜索引擎)。 我相信有很多现有的技术和框架可以执行一些情报抓
这并不是真正的抓取,我只是想在网页中找到类具有特定值的 URL。例如: 我想获取 href 值。关于如何做到这一点的任何想法?也许正则表达式?你能发布一些示例代码吗?我猜 html 抓取库,比如 B
我正在使用 scrapy。 我正在使用的网站具有无限滚动功能。 该网站有很多帖子,但我只抓取了 13 个。 如何抓取剩余的帖子? 这是我的代码: class exampleSpider(scrapy.
我正在尝试从这个 website 中抓取图像和新闻 url .我定义的标签是 root_tag=["div", {"class":"ngp_col ngp_col-bottom-gutter-2 ng
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭上个月。 Improve this ques
我在几个文件夹中有数千个 html 文件,我想从评论中提取数据并将其放入 csv 文件中。这将允许我为项目格式化和清理它。例如,我在这个文件夹中有 640 个 html 文件: D:\My Web S
我在编写用于抓取网页的实用程序时遇到了一个问题。 我正在发送 POST 请求来检索数据,我模仿我正在抓取的网络行为(根据使用 fiddler 收集的信息)。 我已经能够自动替换我的 POST 中除 V
对于 Googlebot 的 AJAX 抓取,我在我的网站中使用“_escaped_fragment_”参数。 现在我查看了 Yandex 对我网站的搜索结果。 我看到搜索结果中不存在 AJAX 响应
我正在尝试抓取网站的所有结果页面,它可以工作,但有时脚本会停止并显示此错误: 502 => Net::HTTPBadGateway for https://website.com/id/12/ --
我是一个学习网络爬虫的初学者,由于某种原因我无法爬网this地点。当我在 Chrome 中检查它时,代码看起来不错,但是当我用 BeautifulSoup 阅读它时,它不再是可刮的。汤提到“谷歌分析”
我是一名优秀的程序员,十分优秀!