-1
私はPythonには新しく、単純なWebスクレーパーを開発しようとしています。私は、HTML内でスクリプトタグを掻き集めることに問題があります。ここに私のコードは次のとおりです。<script>タグをBS4で削る
from urllib.request import Request, urlopen
from bs4 import BeautifulSoup
import re
link = "https://yeezysupply.com/products/womens-mule-pvc-clear"
def get_variants():
url1 = Request(link, headers={'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_2) AppleWebKit/537.36'
'(KHTML, like Gecko) Chrome/56.0.2924.28 Safari/537.36'})
url2 = urlopen(url1)
soup = BeautifulSoup(url2, 'html.parser')
variants = soup.find(string=re.compile(r'\bid\s*:\s(\d{11}),\s*parent_id'))
print(variants)
if __name__ == '__main__':
get_variants()
コードは、現在返されます。
KANYE.p.variants.push({
id : 38844706759,
parent_id : 9876888199,
available : true,
featured_image : null,
public_title : null,
requires_shipping : true,
price : 62500,
options : ["35"],
option1 : "35",
option2 : "",
option3 : "",
option4 : ""
});
KANYE.p.variants.push({
id : 38844706887,
parent_id : 9876888199,
available : true,
featured_image : "\/\/cdn.shopify.com\/s\/files\/1\/1765\/5971\/products\/KW3029.001_Side1_650xx.jpg?v=1488326253",
public_title : null,
requires_shipping : true,
price : 62500,
options : ["35.5"],
option1 : "35.5",
option2 : "",
option3 : "",
option4 : ""
});
KANYE.p.variants.push({
id : 38844706951,
parent_id : 9876888199,
available : true,
featured_image : null,
public_title : null,
requires_shipping : true,
price : 62500,
options : ["36"],
option1 : "36",
option2 : "",
option3 : "",
option4 : ""
});
...
を私は「ID」と、その値をこすりしようとしています。だから私はid:38844706759、id:38844706887、id:38844706951をこすり落とす必要があります。これはどのように可能ですか?私はかなり長い間これをしてきましたが、私はまだ混乱しています。
ああを出力
私は、あなたの回答に感謝を参照してください。私はそのコードを実装しようとしましたが、それはidのものではなく、無数の回を返しました。どこが間違っていますか? – BrianHunt
@BrianHuntは私の投稿を更新したコードであなたの亜種を更新します。 – Zroq
ありがとう、それは完全に働いた。 parent_idではなく、idだけを出力する方法はありますか? – BrianHunt