Python urllib 没有从网站中提取读者评论

Question

我正在尝试使用下面显示的代码从下一页提取阅读器 cmets。但输出 html test.html 不包含页面中的任何 cmets。如何使用 Python 获取这些信息？

http://www.theglobeandmail.com/opinion/it-doesnt-matter-who-won-the-debate-america-has-already-lost/article32314064/comments/

from bs4 import BeautifulSoup
import urllib
import urllib.request
import urllib.parse

req =urllib.request.Request('http://www.theglobeandmail.com/opinion/it-doesnt-matter-who-won-the-debate-america-has-already-lost/article32314064/comments/')
response = urllib.request.urlopen(req)
the_page = response.read()

soup = BeautifulSoup(the_page, 'html.parser')
f = open('test.html', 'w')
f.write(soup.prettify())
f.close()

谢谢！

Answer 1

使用您可以模仿的 ajax 请求检索 cmets：

您可以看到有许多参数，但以下内容足以获得结果，我将留给您弄清楚如何影响结果：

from json import loads
from urllib.request import  urlopen
from urllib.parse import urlencode

data = {"categoryID":"Production",
    "streamID":"32314064",
    "APIKey":"2_oNjjtSC8Qc250slf83cZSd4sbCzOF4cCiqGIBF8__5dWzOJY_MLAoZvds76cHeQD",
    "callback" :"foo",}
r = urlopen("http://comments.us1.gigya.com/comments.getComments", data=urlencode(data).encode("utf-8"))
json_dcts = loads(r.read().decode("utf-8"))["comments"]

print(json_dcts)

这为您提供了包含所有 cmets、upvotes、negvotes 等的 dicts 列表。如果您想解析密钥，它位于其中一个脚本 src='https://cdns.gigya.com/js/socialize.js?apiKey=2_oNjjtSC8Qc250slf83cZSd4sbCzOF4cCiqGIBF8__5dWzOJY_MLAoZvds76cHeQD' 的 url 中，streamID 在您的原始网址中。