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 3
python css beautifulsoup html-content-extraction screen-scraping

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.

1

Вы пробовали использовать Feedity - http://feedity.com для создания пользовательского RSS-канала с любой веб-страницы.

0