我正在尝试获取Agoda多种房型的每日酒店价格以及其他信息,例如促销信息,早餐条件和现在预订后付款的规定。
我的代码如下:
import requests
import math
from bs4 import BeautifulSoup
url = "http://www.agoda.com/ambassador-hotel-taipei/hotel/taipei-tw.html?asq=8m91A1C3D%252bTr%252bvRSmuClW5dm5vJXWO5dlQmHx%252fdU9qxilNob5hJg0b218wml6rCgncYsXBK0nWktmYtQJCEMu0P07Y3BjaTYhdrZvavpUnmfy3moWn%252bv8f2Lfx7HovrV95j6mrlCfGou99kE%252bA0aX0aof09AStNs69qUxvAVo53D4ZTrmAxm3bVkqZJr62cU&tyra=1%257c2&searchrequestid=2e2b0e8c-cadb-465b-8dea-2222e24a1678&pingnumber=1&checkin=2015-10-01&los=1"
res = requests.get(url)
soup = BeautifulSoup(res.text, 'html.parser')
n = len(soup.select('.room-name'))
for i in range(0, n):
en_room = soup.select('.room-name')[i].text.strip()
currency = soup.select('.currency')[i].text
price = soup.select('.sellprice')[i].text
try:
sp_info = soup.select('.left-room-info')[i].text.strip()
except Exception as e:
sp_info = "N/A"
try:
pay_later = soup.select('.book-now-paylater')[i].text.strip()
except Exception as e:
pay_later = "N/A"
print en_room, i+1, currency, price, en_room, sp_info, pay_later
time.sleep(1)
我有两个问题:
(1)“ left-room-info”类似乎包含两个子类“ breakfast”和“ room-promo”。这些子类仅在特定房间类型提供此类服务时显示。
当仅显示一个子类时,输出效果很好。但是,当没有子类出现时,当我期望显示“ N / A”时,输出为空。同样,当两个子类都出现时,输出格式将包含不必要的空行,这些空行无法通过.strip()删除。
有什么办法可以解决这些问题?
(2)当我尝试从“ .book-now-paylater”类中提取信息时,提取的数据与每种房间类型都不匹配。例如,假设有10种房型,只有2号,4号,6号,8号房允许旅行者稍后预订,那么代码可以准确地提取4条“以后预订的信息”,但是这4条信息是然后不适当地分配了房间类型1、2、3、4。
有什么办法可以解决这个问题?
感谢您的帮助!
加里
(1)之所以会这样,是因为即使'.left-room-info'
选择中没有文本,它也不会引发异常,并且您except
将永远不会运行。您应该检查该值是否为空字符串(''
)。你可以用这样的简单的方法做到这if not string_var
一点
sp_info = soup.select('.left-room-info')[i].text.strip()
if not sp_info:
sp_info = "N/A"
当两个子类都出现时,您应该在回车符('\r'
)上分割字符串,然后剥离每个得到的片段。代码看起来像这样:(请注意,现在sp_info是一个列表,而不仅仅是一个字符串)
sp_info = soup.select('.left-room-info')[i].text.strip().split('\r')
if len(sp_info) > 1:
sp_info = [ info.strip() for info in sp_info ]
将这些片段放在一起,我们将得到类似的内容
sp_info = soup.select('.left-room-info')[i].text.strip().split('\r')
if len(sp_info) > 1:
sp_info = [ info.strip() for info in sp_info ]
elif not sp_info[0]: # check for empty string
sp_info = ["N/A"] # keep sp_info a list for consistancy
(2)有点复杂。您将不得不更改解析页面的方式。即,您可能必须选择on .room-type
。您选择书籍的方式现在需要以后支付,它不会将它们与任何其他元素相关联,而只是选择该类的8个实例。这是我要做的事情:
import requests
import math
from bs4 import BeautifulSoup
url = "http://www.agoda.com/ambassador-hotel-taipei/hotel/taipei-tw.html?asq=8m91A1C3D%252bTr%252bvRSmuClW5dm5vJXWO5dlQmHx%252fdU9qxilNob5hJg0b218wml6rCgncYsXBK0nWktmYtQJCEMu0P07Y3BjaTYhdrZvavpUnmfy3moWn%252bv8f2Lfx7HovrV95j6mrlCfGou99kE%252bA0aX0aof09AStNs69qUxvAVo53D4ZTrmAxm3bVkqZJr62cU&tyra=1%257c2&searchrequestid=2e2b0e8c-cadb-465b-8dea-2222e24a1678&pingnumber=1&checkin=2015-10-01&los=1"
res = requests.get(url)
soup = BeautifulSoup(res.text)
rooms = soup.select('.room-type')[1:] # the first instance of the class isn't a room
room_list = []
for room in rooms:
room_info = {}
room_info['en_room'] = room.select('.room-name')[0].text.strip()
room_info['currency'] = room.select('.currency')[0].text.strip()
room_info['price'] = room.select('.sellprice')[0].text.strip()
sp_info = room.select('.left-room-info')[0].text.strip().split('\r')
if len(sp_info) > 1:
sp_info = ", ".join([ info.strip() for info in sp_info ])
elif not sp_info[0]: # check for empty string
sp_info = "N/A"
room_info['sp_info'] = sp_info
pay_later = room.select('.book-now-paylater')
room_info['pay_later'] = pay_later[0].text.strip() if pay_later else "N/A"
room_list.append(room_info)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句