使用 Python 从网络 xhr 提要中抓取数据

Question

我正在尝试从 this webpage 中抓取网球比赛的结果。特别是我正在尝试获取两名球员的姓名、date/time 和比赛结果。我有两个问题：

网页默认不显示所有匹配项 - 这些只能通过单击页面底部的 "show more matches" 显示。
当我在美丽的汤中加载 html 时，数据似乎不存在。看起来它正在被某种查询（'http://d.flashscore.com/x/feed/f_'）加载，但我不确定如何直接运行。

我的代码示例如下：

url="http://www.scoreboard.com/au/tennis/wta-singles/australian-open-2016/results/"

from urllib.request import Request, urlopen
req = Request(url, headers={"X-Fsign": "SW9D1eZo"})
s = urlopen(req,timeout=50).read()
s=urlopen(req, timeout=50).read()
soup=BeautifulSoup(s, "lxml")

match_times=soup.find_all("td", class_="cell_ad time")
players=soup.find_all("span", class_="padl"
results=soup.find_all("td", class_"cell_sa score  bold"
#these all return empty element sets

我怎样才能加载所有结果都可见的页面？我怎样才能优雅地提取上述数据？

编辑：在建议使用 selenium 之后，我构建了一个函数，它将使用 Selenium/Chrome 加载页面，然后将 html 发送到 bs4:

def open_url(url):
    try:
        from urllib.request import Request, urlopen
        req = Request(url)
        s = urlopen(req,timeout=20).read()
        driver.get(url)
        try:
            driver.find_element_by_xpath("""//*[@id="tournament-page-results-more"]/tbody/tr/td/a""").click()
            time.sleep(5)
        except:
            print("No more results to show...")
        body=driver.find_element_by_id("fs-results")
        return BeautifulSoup(body.get_attribute("innerHTML"), "lxml")
    except:
        print("Webpage doesn't exist")

这意味着我可以显示所有结果，但要单击“显示更多”按钮。不幸的是，代码在页面正确加载之前继续运行ning，因此当我尝试获取包含结果的所有行时：

matches=[]
soup=open_url(url)
rrows=soup.find_all("tr")
for rrow in rrows:
    if rrow.attrs['class']!=['event_round']:
        matches.append(rrow)

它只得到最初可见的结果。我该如何解决这个问题？

Answer 1

本页面使用JavaScript获取数据，如果使用urllib，您将只获取html代码，没有数据。

使用 Selenium 抓取 JS 页面。

使用 Python 从网络 xhr 提要中抓取数据

Using Python to scrape data from web xhr feed

python

python-3.x

urllib

bs4