V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
dalezyf897
V2EX  ›  Python

爬虫获取网站源码时, p 标签总是只能获取到最后一段内容

  •  
  •   dalezyf897 · 2020-03-18 17:22:42 +08:00 · 1509 次点击
    这是一个创建于 1696 天前的主题,其中的信息可能已经有所发展或是发生改变。

    网站源码:

    <p class="profile">
                        
                            江苏省产业技术研究院智能液晶技术研究所(智能液晶所)是一个新型的、以企业方式运营的专业技术研究所,其运营实体为江苏集萃智能液晶科技有限公司。
    <br/>    公司成立于 2016 年 5 月,大楼总面积达 13363.6 平...<span class="profile-open">展开+</span>
                        
                    </p>
    

    crawler.py

    r = requests.get(url, headers=kv)
    print(r.text)
    

    Output

    <p class="profile">
                        
    <br/>    公司成立于 2016 年 5 月,大楼总面积达 13363.6 平...<span class="profile-open">展开+</span>
                        
                    </p>
    

    正在做毕设,求大佬解惑

    lozzow
        1
    lozzow  
       2020-03-18 19:14:08 +08:00 via iPhone
    不同地方加载的吧,你从浏览器上看到的是加载之后的数据,所以是不一样的
    l3n641
        2
    l3n641  
       2020-03-18 20:56:54 +08:00
    建议给出 url 地址吧.情况很多种
    第一种是没有获取到的数据,是通过 ajax 获取或者保存到某个变量里面,然后在渲染的.第二种是有防爬虫,识别出了,你是爬虫,所以传递了不完整的数据.
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2796 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 11:40 · PVG 19:40 · LAX 03:40 · JFK 06:40
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.