gpt4 book ai didi

python - requests 无法从某些网站检索 html 内容

转载 作者:行者123 更新时间:2023-12-01 01:22:45 25 4
gpt4 key购买 nike

当尝试获取网站(在本例中为 www.arrow.com)的 HTML 内容时,我什么也没得到,网络浏览器一直在等待。

import requests 

params = {'q': code}
url = "https://www.arrow.com/en/products/search"
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
'cache-control': "no-cache",
'postman-token': "564e5d76-282f-98f3-860b-d8e09e2e9073"
}
r = requests.get(url, headers=headers,params=params)
tree = html.fromstring(r.content)

奇怪的是,我可以使用 Postman 并通过网络浏览器访问来获取正确的内容。

Postman 在使用 HTTP 时使用此脚本:

GET /en/products/search?q=cccccccc HTTP/1.1
Host: www.arrow.com
Cache-Control: no-cache
Postman-Token: c3821bb3-767b-b8c7-105a-84fd16291245

或者使用Python3:

import http.client

conn = http.client.HTTPSConnection("www.arrow.com")

headers = {
'cache-control': "no-cache",
'postman-token': "740c5681-3e67-b605-3040-964be3ea7296"
}

conn.request("GET", "/en/products/search?q=cccccccc", headers=headers)

res = conn.getresponse()
data = res.read()


print(data.decode("utf-8"))

使用最后一个,我也什么也没得到。

最佳答案

更改User-Agent应该可以解决这个问题,至少我在我的例子中看到了这一点。您的 params 也不正确。试试这个看看会发生什么:

import requests 
from lxml.html import fromstring

url = "https://www.arrow.com/en/products/search?"

code = "apple" #any available search terms

r = requests.get(url,
headers={'User-Agent': 'Mozilla/5.0'},
params={'cat':'','q': code,'r': True}
)
tree = fromstring(r.content)
items = tree.cssselect("h1[data-search-term]")[0].text.strip()
print(items) #it should give you the quantity of search result

关于python - requests 无法从某些网站检索 html 内容,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53651862/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com