使用 python 抓取网站时获取最大页码

Question

我是 python 的新手，必须在网站上抓取大学课程的一些数据：

我能够得到我需要的信息。问题是每个条目（页、月、年）都需要它。

每个月的页数不同。有什么方法可以提取最大页码以便我可以存储它并将其用于循环吗？

如有任何帮助，我将不胜感激。谢谢！

Answer 1

For 循环很好，但您不能总是使用它们。在这种情况下，我会重复点击 'next page' 按钮中的 link 直到没有这样的按钮。像这样：

url = <first page>
while True:
    # extract data
    if <there is a next page button>:
        url = <href of the button>
    else:
        break

Answer 2

这将获取您的所有页面，为每个页面生成一个 BeautifulSoup 对象，下一页的 link 位于带有 class 的锚标记中转发:

import requests
from urlparse import urljoin


def get_pages(base, url):
    soup = BeautifulSoup(requests.get(url).content)
    yield soup
    next_page = soup.select_one("a.forward")
    for page in iter(lambda: next_page, None):
        soup = BeautifulSoup(requests.get(urljoin(base, page["href"])).content)
        yield soup
        next_page = soup.select_one("a.forward")



for soup in get_pages("https://www.xrel.to/", "https://www.xrel.to/games-release-list.html?archive=2016-01"):
    print(soup)

使用 python 抓取网站时获取最大页码

Getting max pagenumber when scraping website with python

python

beautifulsoup

screen-scraping

bs4