抓取 Flipkart.com 的所有手机

Question

我正在尝试从 www.flipkart.com 上刮掉所有手机。现在，我想做的是我可以从这里刮掉所有手机。

http://www.flipkart.com/mobiles/pr?p[]=sort%3Dprice_asc&sid=tyy%2C4io&layout=grid 

现在，问题是，在这个网站上，我必须按"显示更多结果"才能看到更多结果。但是，如何使用代码执行此操作？我在python中使用BeautifulSoup包。

到目前为止我的代码：

import bs4
import re
import urllib2
import sys
link = 'http://www.flipkart.com/mobiles/pr?p[]=sort%3Dprice_asc&sid=tyy%2C4io&layout=grid'
response = urllib2.urlopen(link)
thePage = response.read()
soup = bs4.BeautifulSoup(thePage)
allMobiles = soup.find('div', attrs={'id': 'products'})

我只得到输出中的第一页？如何访问其他页面？

Answer 1

你可以使用 get 参数。常规网址为：

http://www.flipkart.com/mobiles/pr?p[]=sort%3Dprice_asc&sid=tyy%2C4io&layout=grid

点击"更多结果"按钮（或向下滚动）后，将使用 AJAX 加载下一页，网址如下：

http://www.flipkart.com/mobiles/pr?p%5B%5D=sort%3Dprice_asc&sid=tyy%2C4io&layout=grid&start=41&ajax=true

该网址由以下部分组成：

• 路径： http://www.flipkart.com/mobiles/pr
• 查询字符串：
  • p[]： 排序=price_asc
  • 希德：泰伊，4io
  • 布局：网格
  • 开始： 41
  • 阿贾克斯：真

如果您想要所有手机，只需增加"开始"参数即可。像这样：

item_count = 600
for i in range(0, item_count, 40):
    link = "http://www.flipkart.com/mobiles/pr?p%5B%5D=sort%3Dprice_asc&sid=tyy%2C4io&layout=grid&ajax=true&start=%d" % (i+1)
    // Do something with the link
    print link

享受沃特