Синтаксический анализ HTML-файла с помощью selectorgadget.com
Как я могу использовать красивый суп иselectorgadget , чтобы очистить веб-сайт. Например, у меня есть веб-сайт - (продукт newegg) , и я хотел бы, чтобы мой скрипт вернул все спецификации этого продукта (нажмите на спецификации)......, 2,4 ГГц, 1066 МГц, ...... , 3 года ограничения.
После использования selectorgadget я получаю строку- .desc
Как это использовать?
Спасибо :)
2 ответа:
Просматривая страницу, Я вижу, что спецификации помещены в div с идентификатором pcraSpecs:
<div id="pcraSpecs"> <script type="text/javascript">...</script> <TABLE cellpadding="0" cellspacing="0" class="specification"> <TR> <TD colspan="2" class="title">Model</TD> </TR> <TR> <TD class="name">Brand</TD> <TD class="desc"><script type="text/javascript">document.write(neg_specification_newline('Intel'));</script></TD> </TR> <TR> <TD class="name">Processors Type</TD> <TD class="desc"><script type="text/javascript">document.write(neg_specification_newline('Desktop'));</script></TD> </TR> ... </TABLE> </div>
Desc-класс ячеек таблицы.
Что вы хотите сделать, так это извлечь содержимое этой таблицы.
soup.find(id="pcraSpecs").findAll("td")
это должно помочь тебе начать.
Вы пробовали использовать Feedity - http://feedity.com для создания пользовательского RSS-канала с любой веб-страницы.