美しいスープを使ってウェブサイトからデータをスクレイピングしようとしています。デフォルトでは、この Web ページには 18 項目が表示されます。JavaScript ボタン「showAlldevices」をクリックすると、41 項目すべてが表示されます。美しいスープは、デフォルトで表示されているアイテムのデータのみをスクレイピングし、すべてのアイテムのデータを取得するために、PyQt モジュールを使用し、javascript コードを使用してクリック イベントを呼び出しました。以下は参照されたコードです:
import csv
import urllib2
import sys
import time
from bs4 import BeautifulSoup
from PyQt4.QtGui import *
from PyQt4.QtCore import *
from PyQt4.QtWebKit import *
class Render(QWebPage):
def __init__(self, url):
self.app = QApplication(sys.argv)
QWebPage.__init__(self)
self.loadFinished.connect(self._loadFinished)
self.mainFrame().load(QUrl(url))
self.app.exec_()
def _loadFinished(self, result):
self.frame = self.mainFrame()
self.app.quit()
url = 'http://www.att.com/shop/wireless/devices/smartphones.html'
r = Render(url)
jsClick = """var evObj = document.createEvent('MouseEvents');
evObj.initEvent('click', true, true );
this.dispatchEvent(evObj);
"""
allSelector = "a#deviceShowAllLink"
allButton = r.frame.documentElement().findFirst(allSelector)
allButton.evaluateJavaScript(jsClick)
html = allButton.webFrame().toHtml()
page = html
soup = BeautifulSoup(page)
soup.prettify()
with open('Smartphones_26decv2.0.csv', 'wb') as csvfile:
spamwriter = csv.writer(csvfile, delimiter=',')
spamwriter.writerow(["Date","Day of Week","Device Name","Price"])
items = soup.findAll('a', {"class": "clickStreamSingleItem"},text=True)
prices = soup.findAll('div', {"class": "listGrid-price"})
for item, price in zip(items, prices):
textcontent = u' '.join(price.stripped_strings)
if textcontent:
spamwriter.writerow([time.strftime("%Y-%m-%d"),time.strftime("%A") ,unicode(item.string).encode('utf8').strip(),textcontent])
このコード行を使用して、html を美しいスープにフィードしていますhtml = allButton.webFrame().toHtml()
。このコードはエラーなしで実行されていますが、出力 csv の 41 項目すべてのデータを取得していません。
また、次のコード行を使用して、HTML を美しいスープにフィードしようとしました。
allButton = r.frame.documentElement().findFirst(allSelector)
a = allButton.evaluateJavaScript(jsClick)
html = a.webFrame.toHtml()
page = html
soup = BeautifulSoup(page)
しかし、私はこのエラーに遭遇しました:html = a.webFrame.toHtml()
AttributeError: 'QVariant' object has no attribute 'webFrame'
私はプログラミングが初めてで、この問題の解決を手伝ってくれるので、ここで基本的なことを尋ねている場合は、私の無知を許してください。