首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python 学习手册
Python Cookbook
Python 基础教程
Python Sites
PyPI - Python Package Index
http://www.simple-is-better.com/
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
V2EX  ›  Python

Python selenium 爬虫遇到的一个非常难解的问题? page_source 是不是有毒?

  •  
  •   binbina · 10 天前 · 443 次点击
    1. 首先, import 包
    from selenium import webdriver
    import requests
    from selenium.webdriver.support import expected_conditions as EC
    from selenium.webdriver.support.wait import WebDriverWait
    from selenium.webdriver.common.by import By
    import re
    import pandas as pd
    from time import sleep

    2. 然后打开淘宝搜索 iphone
    browser=webdriver.Chrome()
    browser.get('https://www.taobao.com')
    a=browser.find_element_by_id('q')
    a.send_keys('iphone')
    button=browser.find_element_by_css_selector('.search-button')
    button.click()

    3. 匪夷所思的问题来了, 用 r1 r2 分别表示第 1 ,2 页的源代码,提取店铺, 价格数据
    title1=[]
    price1=[]
    stall1=[]
    title2=[]
    price2=[]
    stall2=[]
    c=browser.find_element_by_css_selector('.input.J_Input')#找到页码输入框
    c.clear()#先清空,防止方框中有其他数字
    c.send_keys(1)#输入页码
    d=browser.find_element_by_css_selector('.btn.J_Submit')#翻页确定框
    d.click()
    r1=browser.page_source
    title1=re.findall('\"raw_title\":\"(.*?)\"',r1,re.S)
    price1=re.findall('\"view_price\":\"(.*?)\"',r1,re.S)
    stall1=re.findall('user_id.*?\"nick\":\"(.*?)\"',r1,re.S)
    #=============================================
    c=browser.find_element_by_css_selector('.input.J_Input')#找到页码输入框
    c.clear()#先清空,防止方框中有其他数字
    c.send_keys(2)#输入页码
    d=browser.find_element_by_css_selector('.btn.J_Submit')#翻页确定框
    d.click()
    r2=browser.page_source
    title2=re.findall('\"raw_title\":\"(.*?)\"',r2,re.S)
    price2=re.findall('\"view_price\":\"(.*?)\"',r2,re.S)
    stall2=re.findall('user_id.*?\"nick\":\"(.*?)\"',r2,re.S)

    r1==r2
    price1==price2
    title1==title2

    4. 结果如下:
    r1==r2
    Out[90]: False

    price1==price2
    Out[91]: True

    title1==title2
    Out[92]: True

    5. 哪位大佬说一下为什么 r1≠r2, 爬取的内容居然是一样的????!!!!
        1
    nature91   10 天前
    前面 print 一下不就知道了?
        2
    binbina   10 天前
    r1≠r2, print 不 print 都一样
        3
    Arnie97   10 天前 via Android
    说句题外话
    >>> import math
    >>> math.nan == math.nan
    False
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   鸣谢   ·   580 人在线   最高记录 3541   ·  
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.1 · 14ms · UTC 19:42 · PVG 03:42 · LAX 12:42 · JFK 15:42
    ♥ Do have faith in what you're doing.
    沪ICP备16043287号-1