Analisar um arquivo HTML com selectorgadget.com
-
09-09-2019 - |
Pergunta
Como posso usar bela sopa e selectorgadget para raspar um site. Por exemplo, eu tenho um site - (um produto newegg) e eu gostaria que o meu script para retornar todas as especificações desse produto (clique em especificações) com isto quero dizer - Intel, o desktop, ......, 2.4GHz, 1066Mhz, ......, 3 anos limitados.
Depois de usar selectorgadget recebo a string- .Desc
Como posso usar isso?
Obrigado:)
Solução
Inspecionando a página, eu posso ver que as especificações são colocados em um div com as pcraSpecs ID:
<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 é a classe das células da tabela.
O que você quer fazer é extrair o conteúdo desta tabela.
soup.find(id="pcraSpecs").findAll("td")
deve começar.
Outras dicas
Você já tentou usar Feedity - http://feedity.com para criar um feed RSS personalizado a partir de qualquer página da web.