在 for 循环和 while 循环中正确索引

Question

我有一组网页的品牌编号 url。我将网页 url 转换为 f 字符串，并在应有的位置应用品牌编号。每个页面都有一个唯一的 ID 来加载下一页。我正在尝试提取下一页，同时匹配 ID 所属的品牌编号。

下面是一些示例代码：

import requests
import pandas as pd
from bs4 import BeautifulSoup

brands = [989,1344,474,1237,886,1,328,2188]

testid = {}
for b in brands:
    url = f'https://webapi.depop.com/api/v2/search/products/?brands={b}&itemsPerPage=24&country=gb&currency=GBP&sort=relevance'
    payload={}
    headers = {}
    response = requests.request("GET", url, headers=headers, data=payload)
    test= pd.read_json(StringIO(response.text), lines=True)
    for m in test['meta'].items():
        if m[1]['hasMore'] == True:
            testid[str(b)]= [m[1]['cursor']]
        else:
            continue
    for br in testid.keys():
        while True:
            html = f'https://webapi.depop.com/api/v2/search/products/?brands={br}&cursor={testid[str(br)][-1]}&itemsPerPage=24&country=gb&currency=GBP&sort=relevance'
            r = requests.request("GET",html, headers=headers, data=payload)
            read_id = pd.read_json(StringIO(r.text), lines=True)
            for m in read_id['meta'].items():
                try:
                    testid[str(br)].append(m[1]['cursor'])
                except:
                    continue

这是它产生的输出：

{'989': ['MnwyNHwxNjQwMDMwODcw']}

但是，它会替换品牌编号中原来的值，只保留最后一个收集的值。它应该留下一个列表并产生如下内容：

{'989': ['MnwyNHwxNjQwMDI4Mzk1', ...],
 '1344': ['MnwyNHwxNjQwMDI4Mzk2', ...],
 '474': ['MnwyNHwxNjQwMDI4Mzk3', ...],
 '1237': ['MnwyNHwxNjQwMDI4Mzk3', ...],
 '886': ['MnwyNHwxNjQwMDI4Mzk4', ...],
 '1': ['MnwyNHwxNjQwMDI4Mzk4', ...],
 '328': ['MnwyNHwxNjQwMDI4Mzk5', ...],

其中三点 ... 表示从具有该品牌编号的页面收集的额外 ID 值。我怎样才能得到这样的输出？

Answer 1

在将 testid 列表设置为 collections.defaultdict(list) 之后，其余部分将以相当直接的方式消失..

注意：我只会获取任何产品的前 3 个光标，但您可以随意获取它们。

import collections
import requests

brands = [989,1344,474,1237,886,1,328,2188]
testid = collections.defaultdict(list)
for b in brands:
    headers = {}
    payload={}
    url = f"https://webapi.depop.com/api/v2/search/products/?brands={b}&itemsPerPage=24&country=gb&currency=GBP&sort=relevance"

    response = requests.request("GET", url, headers=headers, data=payload)
    data = response.json()
    i = 0 # short circuit 

    while data.get("meta", {}).get("hasMore") and i < 3:
        cursor = data.get("meta", {}).get("cursor")
        testid[str(b)].append(cursor)
        response = requests.request("GET", f"{url}&cursor={cursor}", headers=headers, data=payload)
        data = response.json()
        i += 1

for key, value in testid.items():
    print(key, value)

这给了我们：

989  ['MnwyNHwxNjQwMDMzMjM0']
1344 ['MnwyNHwxNjQwMDMzMjM1', 'M3w0OHwxNjQwMDMzMjM1', 'NHw3MnwxNjQwMDMzMjM1']
474  ['MnwyNHwxNjQwMDMzMjM3', 'M3w0OHwxNjQwMDMzMjM3', 'NHw3MnwxNjQwMDMzMjM3']
1237 ['MnwyNHwxNjQwMDMzMjM5', 'M3w0OHwxNjQwMDMzMjM5', 'NHw3MnwxNjQwMDMzMjM5']
886  ['MnwyNHwxNjQwMDMzMjQz', 'M3w0OHwxNjQwMDMzMjQz', 'NHw3MnwxNjQwMDMzMjQz']
1    ['MnwyNHwxNjQwMDMzMjQ4', 'M3w0OHwxNjQwMDMzMjQ4', 'NHw3MnwxNjQwMDMzMjQ4']
328  ['MnwyNHwxNjQwMDMzMjUz', 'M3w0OHwxNjQwMDMzMjUz', 'NHw3MnwxNjQwMDMzMjUz']

等一下....发生了什么：

data.get("meta", {}).get("hasMore")

问得好，我之前应该解释一下。

因此，有可能 data.meta 未定义，如果是，则以下操作将失败；

data["meta"].get("hasMore")

如愿

data.get("meta").get("hasMore")

所以我们做了什么：

data.get("meta", {}).get("hasMore")

是使用 get() 的第二个参数来提供默认值。在这种情况下，它只是一个空 dict 但这足以让我们安全地将后续 .get("hasMore") 链接到

在 for 循环和 while 循环中正确索引

Indexing correctly within a for-loop and while-loop

python

loops

beautifulsoup

while-loop

web-scraping