如何通过web抓取获取Airbnb列表的纬度和经度值

Question

我试图获取Airbnb中出现的列表的纬度和经度，我认为这些信息是嵌入在谷歌地图中的。当我试图通过使用lxml库或Beautiful Soup复制完整的Xpath来刮取该对象时，我无法得到它。例如，清单https://www.airbnb.co.uk/rooms/15307317中的经度和纬度信息位于带有标记div img和属性data veloute=“map/GoogleMapStatic”的对象的地图中心，我试图使用以https://maps.googleapis.com/maps/api/staticmap?center=开头的链接，但我无法用代码识别正确的对象

url = 'https://www.airbnb.co.uk/rooms/15307317'
response = http.request('GET', url)
soup = BeautifulSoup(response.data, 'lxml')
soup.find("div", {"data-veloute":"map/GoogleMapStatic"})
soup.find("img", {"data-veloute":"map/GoogleMapStatic"})

或者使用下一个代码：

resp = requests.get(url, headers=headers)
tree = html.fromstring(resp.content)
tree.xpath('/html/body/div[5]/div/main/div/section/div/div[2]/div/div[2]/div[1]/div/div[10]/div/div/div/div/div/section/div[2]/div[2]/div[2]/img')

有没有可能得到这些信息

Answer 1

将response保存到文件中，然后查看页面的真实外观。大多数内容都是动态加载的。您需要一个浏览器来处理javascript动态内容加载

selenium或pyppeteer是最流行的浏览器脚本库

Answer 2

正如RafalS所建议的，您应该使用selenium或其他浏览器脚本库

这是我想到的

from selenium import webdriver
from selenium.webdriver.chrome.options import Options 
import time
from bs4 import BeautifulSoup
import urllib.parse as urlparse
from urllib.parse import parse_qs

def main():
    chrome_options = Options()  
    chrome_options.add_argument(" headless")  #if you don't want the GUI to pop up
    driver = webdriver.Chrome(options=chrome_options)
    driver.get('https://www.airbnb.co.uk/rooms/15307317')
    time.sleep(2)
    soup = BeautifulSoup(driver.page_source, "lxml")
    url = (soup.find("img", {"data-veloute":"map/GoogleMapStatic"})).attrs['src']
    parsed = urlparse.urlparse(url)
    print(parse_qs(parsed.query)['center'])

if __name__ == '__main__':
    main()

输出：

['53.8147,-1.52538']

Answer 3

它们存在于脚本标记中。您可以从响应文本中正则表达式，而无需借助浏览器的开销

import requests, re

r = requests.get('https://www.airbnb.co.uk/rooms/15307317')
p_lat = re.compile(r'"lat":([-0-9.]+),')
p_lng = re.compile(r'"lng":([-0-9.]+),')
lat = p_lat.findall(r.text)[0]
lng = p_lng.findall(r.text)[0]
print(lat,lng)