解析 HTML 标签 Beautifulsoup Python 中的更改文本

Question

我正在尝试从 Zillow 上的图表中删除数字和日期。 url 是：https://www.zillow.com/austin-tx/home-values/

我正在使用的 html 区域是：

<ul class="legend-entries" id="yui_3_18_1_1_1607476788112_1009">
            <li class="legend-value">Oct 2021</li>
            <li class="legend-entry legend-entry-0" id="yui_3_18_1_1_1607476788112_1330">Austin 4K</li>
<li class="hide legend-entry legend-entry-1"></li>
<li class="hide legend-entry legend-entry-2"></li>
<li class="hide legend-entry legend-entry-3"></li>
<li class="hide legend-entry legend-entry-4"></li>
<li class="hide legend-entry legend-entry-5"></li>
<li class="hide legend-entry legend-entry-6"></li>
</ul>

我正在尝试解析 legend-value（2021 年 10 月）和 legend-entry ($464K) 文本。但是，当您将鼠标悬停在图表上的点（页面上存在此数据的位置）时，只要移动鼠标，html 中的值就会发生变化。

到目前为止，这是我的代码：

from bs4 import BeautifulSoup

req_headers = {
    'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
    'accept-encoding': 'gzip, deflate, br',
    'accept-language': 'en-US,en;q=0.8',
    'upgrade-insecure-requests': '1',
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36'
}

all_data = []

url = 'https://www.zillow.com/austin-tx/home-values/'
r = s.get(url, headers=req_headers)
soup = BeautifulSoup(r.content, 'html.parser')
#soup.find (class_= 'legend-entries')

for ul in soup.find_all('ul'):
    lis=ul.find_all('li')
    for elem in lis:
        all_data.append(elem.text.strip())

我觉得这应该可行，但 return 没什么。我代码中的散列行至少会 return legend-entries 标记。我不确定如何实现。

Answer 1

该图表来自 API 调用。您可以获取它并重建数据。

方法如下：

from datetime import datetime
import requests

headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.15; rv:83.0) Gecko/20100101 Firefox/83.0",
    "X-Requested-With": "XMLHttpRequest",
}
api_url = "https://www.zillow.com/ajax/homevalues/data/timeseries.json?r=10221&m=zhvi_plus_forecast&dt=111"
graph = requests.get(api_url, headers=headers).json()
time_ = graph["10221;zhvi_plus_forecast;111"]["data"]
for moment in time_:
    date = datetime.fromtimestamp(moment["x"] // 1000).date()
    value = moment["y"]
    print(f"{date} - ${value}")

输出：

2010-12-31 - 4771
2011-01-31 - 4297
2011-02-28 - 3623
2011-03-31 - 3053
2011-04-30 - 2571
2011-05-31 - 1931
2011-06-30 - 1322
2011-07-31 - 0837
2011-08-31 - 1413
2011-09-30 - 2088
2011-10-31 - 2520
2011-11-30 - 2665
2011-12-31 - 2788
2012-01-31 - 3433
2012-02-29 - 4288
2012-03-31 - 5461
and so on ...

或者，您可以绘制它并拥有自己的图表（谁说您不能，对吧？）。

from datetime import datetime

import matplotlib.pyplot as plt
import pandas as pd
import requests

headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.15; rv:83.0) Gecko/20100101 Firefox/83.0",
    "X-Requested-With": "XMLHttpRequest",
}
api_url = "https://www.zillow.com/ajax/homevalues/data/timeseries.json?r=10221&m=zhvi_plus_forecast&dt=111"
graph = requests.get(api_url, headers=headers).json()

df = pd.DataFrame(graph["10221;zhvi_plus_forecast;111"]["data"])
plt.figure(1)
plt.plot(df['x'].apply(lambda x: datetime.fromtimestamp(x // 1000).date()), df['y'])
plt.show()

输出：

解析 HTML 标签 Beautifulsoup Python 中的更改文本

Parse Changing Text in HTML tag Beautifulsoup Python

python

beautifulsoup

html-parsing