网页抓取python不返回任何内容

Question

我正在尝试从“https://data.lacity.org/A-Safe-City/Crime-Data-from-2010-to-Present/y8tr-7khq”进行网页抓取。具体地说，在div class=“socrata table freezed columns”下，所有数据列名称和数据列描述。但是，我编写的代码似乎不起作用（它没有返回任何东西？）在

import requests
from bs4 import BeautifulSoup
url = "https://data.lacity.org/A-Safe-City/Crime-Data-from-2010-to-Present/y8tr-7khq"
page = requests.get(url)
print(page.status_code)
soup=BeautifulSoup(page.content,'html.parser')


for col in soup.find_all("div", attrs={"class":"socrata-visualization-container loaded"})[0:1]:
   for tr in col.find_all("div",attrs={"class":"socrata-table frozen-columns"}):
      for data in tr.find_all("div",attrs={"class":"column-header-content"}):
        print(data.text)

我的密码错了吗？在

Answer 1

这是因为数据是在页面加载后由ReactJs动态填充的。在

如果你通过请求下载，你就看不到数据。在

您需要使用seleniumweb驱动程序，打开页面并处理所有JavaScript。然后你就可以得到你想要的数据。在

Answer 2

如果您查看页面源代码（ctrl+U），您会注意到没有<div class = "socrata-table frozen-columns">这样的元素。这是因为你想要删除的内容是动态添加到页面中的。看看这个问题：web scraping dynamic content with python或Web scraping a website with dynamic javascript content

Answer 3

页面是动态加载的，数据集是分页的，这意味着使用浏览器自动检索，这是很慢的。有一个API可以使用。它有允许您成批返回结果的参数。。在

阅读API文档here。这将是一种更有效、更可靠的检索数据的方法。在

使用limit确定一次检索到的记录；使用offset参数为新记录启动下一批。示例调用此处。在

因为它是一个查询，所以实际上可以像SQL查询一样调整其他参数，以检索所需的结果集。这也意味着您可以编写一个非常快速的初始查询，从数据库中返回记录计数，您可以用它来确定批处理请求的结束点。在

您可以编写一个使用多处理的基于类的脚本，从而更有效地获取这些批处理。在

import requests
import pandas as pd
from pandas.io.json import json_normalize

response  = requests.get('https://data.lacity.org/api/id/y8tr-7khq.json?$select=`dr_no`,`date_rptd`,`date_occ`,`time_occ`,`area_id`,`area_name`,`rpt_dist_no`,`crm_cd`,`crm_cd_desc`,`mocodes`,`vict_age`,`vict_sex`,`vict_descent`,`premis_cd`,`premis_desc`,`weapon_used_cd`,`weapon_desc`,`status`,`status_desc`,`crm_cd_1`,`crm_cd_2`,`crm_cd_3`,`crm_cd_4`,`location`,`cross_street`,`location_1`&$order=`date_occ`+DESC&$limit=100&$offset=0')
data = response.json()
data = json_normalize(data)
df = pd.DataFrame(data)
print(df)

---

JSON响应中的示例记录：