我正在爬网一个新闻网站,以提取所有的链接,包括存档的,这是一个典型的新闻网站。网站here有一个按钮View More Stories
,可以加载更多的网站文章。下面的代码
def find_urls():
start_url = "e.vnexpress.net/news/business"
r = requests.get("http://" + start_url)
data = r.text
soup = BeautifulSoup(data, "html.parser")
links = soup.findAll('a')
url_list = []
for url in links:
all_link = url.get('href')
if all_link.startswith('http://e.vnexpress.net/news/business'):
url_list.append(all_link)
return set(url_list)
成功加载了不少网址,但我该如何加载更多这里是一个按钮的片段
<a href="javascript:void(0)" id="vnexpress_folder_load_more" data-page="2"
data-cate="1003895">
View more stories
</a>
有人能帮帮我吗。谢谢。你知道吗
您可以使用类似selenium的浏览器单击按钮,直到按钮消失或禁用。最后,你可以用beautifulsoup一次完成整个页面。你知道吗
相关问题 更多 >
编程相关推荐