lxml と cssselect を使用して、選択ドロップダウン ボックスからデータを取得/スクレイピングしたいと考えています。
私はいくつかのことを試してみましたが、これまでに運がなくてもウェブを検索しました:
したがって、次のコードまたは類似のコードは、私がスクレイピングしているページにあります。
<select id="attribute501" class="required-entry super-attribute-select" name="super_attribute[501]">
<option value="">Choose an Option...</option>
<option value="33">5</option>
<option value="31">10</option>
</select>
次の cssselect ステートメントを使用します。
css_sel_price_dd = 'html body.catalog-product-view div.wrapper div.page div.main-container div.main div.col-main div.product-view div.product-essential form div.product-shop select'
pack_size_obj = root.cssselect(css_sel_price_dd)
print 'This strain has a drop down select box for different pack sizes: '
print pack_size_obj
pack_size = pack_size_obj[0].text_content().encode('utf-8').strip()
print 'Pack Size: ' + pack_size
次の結果が得られます。
This strain has a drop down select box for different pack sizes:
[<SelectElement 10e77d590 name='super_attribute[501]'>]
Pack Size: Choose an Option...
しかし、これまでのところ、他のオプションからのテキスト値、つまり 5 と 10 にアクセスできません
<option value="33">5</option>
<option value="31">10</option>
- オプションをcssパスやさまざまなものに追加しようとしましたが、構文を推測できないようで、オンラインで何も見つかりません...
まだ機能していません - URL などを含む実際のコード スニペットを次に示します。
import lxml.html
import requests
import csv
user_agent = {'User-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_5) AppleWebKit/536.26.17 (KHTML, like Gecko) Version/6.0.2 Safari/536.26.17'}
# Open a session
s = requests.session()
s.get('http://www.seedsman.com/en/cannabis-seeds', headers = user_agent)
css_sel_price_dd = '.product-shop select option'
open_seed_url = 'http://www.seedsman.com/en/amsterdam-mist-feminised-seeds'
print 'From the following URL: ' + open_seed_url
r = s.get(open_seed_url, headers = user_agent)
r_encoding = r.encoding
print 'encoding type of r:'
print r_encoding
myhtml = r.text # gives us a unicode string work with unicode and encode at the end when have piece of data we want
print myhtml.encode('utf-8')
root = lxml.html.fromstring(myhtml)
pack_size_obj = root.cssselect(css_sel_price_dd)
print pack_size_obj
for opt in pack_size_obj:
print '{0} : {1}'.format(opt.get('value'), opt.text)
うまくいけば、誰かが何が間違っているのかを見ることができますか?
戻り値:
From the following URL: http://www.seedsman.com/en/amsterdam-mist-feminised-seeds
encoding type of r: UTF-8
** HTML removed for brevity **
[<Element option at 0x1108dcbf0>]
None : Choose an Option...
[Finished in 3.9s]