python爬取beautifulsoup如何爬取几个页面？

Question

请帮忙。 我想获取每个页面的所有公司名称，它们有 12 页。

http://www.saramin.co.kr/zf_user/jobs/company-labs/list/page/1 http://www.saramin.co.kr/zf_user/jobs/company-labs/list/page/2 -- 本网站只更改号码。

到目前为止，这是我的代码。 我可以只得到 12 页的标题（公司名称）吗？ 提前谢谢你。

from bs4 import BeautifulSoup
import requests

maximum = 0
page = 1

URL = 'http://www.saramin.co.kr/zf_user/jobs/company-labs/list/page/1'
response = requests.get(URL)
source = response.text
soup = BeautifulSoup(source, 'html.parser')

whole_source = ""
for page_number in range(1, maximum+1):
URL = 'http://www.saramin.co.kr/zf_user/jobs/company-labs/list/page/' + str(page_number)
response = requests.get(URL)

whole_source = whole_source + response.text
soup = BeautifulSoup(whole_source, 'html.parser')
find_company = soup.select("#content > div.wrap_analysis_data > div.public_con_box.public_list_wrap > ul > li:nth-child(13) > div > strong")

for company in find_company:
print(company.text)

---------Output of one page

---------page source :)

Answer 1

那么，您想删除所有headers 并只获取公司名称的string？ 基本上，您可以使用soup.findAll 以如下格式查找公司列表：

<strong class="company"><span>중소기업진흥공단</span></strong>

然后你使用.find函数从<span>标签中提取信息：

<span>중소기업진흥공단</span>

之后，您使用.contents 函数从<span> 标签中获取字符串：

'중소기업진흥공단'

因此，您编写一个循环来对每个页面执行相同的操作，并创建一个名为 company_list 的列表来存储每个页面的结果并将它们附加在一起。

代码如下：

from bs4 import BeautifulSoup
import requests

maximum = 12

company_list = [] # List for result storing
for page_number in range(1, maximum+1):
    URL = 'http://www.saramin.co.kr/zf_user/jobs/company-labs/list/page/{}'.format(page_number) 
    response = requests.get(URL)
    print(page_number)
    whole_source = response.text
    soup = BeautifulSoup(whole_source, 'html.parser')
    for entry in soup.findAll('strong', attrs={'class': 'company'}): # Finding all company names in the page
        company_list.append(entry.find('span').contents[0]) # Extracting name from the result

company_list 会给你所有你想要的公司名称

Answer 2

我终于明白了。不过还是谢谢你的回答！

image : code captured in jupyter notebook

这是我的最终代码。

from urllib.request import urlopen 
from bs4 import BeautifulSoup

company_list=[]
for n in range(12):
    url = 'http://www.saramin.co.kr/zf_user/jobs/company-labs/list/page/{}'.format(n+1)
    webpage = urlopen(url)
    source = BeautifulSoup(webpage,'html.parser',from_encoding='utf-8')
    companys = source.findAll('strong',{'class':'company'})

    for company in companys:
    company_list.append(company.get_text().strip().replace('\n','').replace('\t','').replace('\r',''))

file = open('company_name1.txt','w',encoding='utf-8')

for company in company_list:
file.write(company+'\n')

file.close()