pythonとbeautifulsoupを使用してウェブページ内の一部のhrefをクロールできません

Question

現在、Rio2016でセルビアが果たすマッチ結果を収集するために、Python 3.4とbs4を使用してWebページをクロールしています。したがって、URL hereには、彼女がプレイしたすべての試合結果へのリンクが含まれています（例：this）。

<a href="/en/volleyball/women/7168-serbia-italy/post" ng-href="/en/volleyball/women/7168-serbia-italy/post"> 
    <span class="score ng-binding">3 - 0</span> 
</a> 

しかし、いくつかの試験の後、このhref="/en/volleyball/women/7168-serbia-italy/post"は表示されません：

それから私は、リンクが、このようなhtmlソースに位置していることがわかりました。次に、次のコードを実行して、URLからすべてのhrefを取得しようとしました。

from bs4 import BeautifulSoup 
import requests 

Countryr = requests.get('http://rio2016.fivb.com/en/volleyball/women/teams/srb-serbia#wcbody_0_wcgridpadgridpad1_1_wcmenucontent_3_Schedule') 
countrySoup = BeautifulSoup(Countryr.text) 

for link in countrySoup.find_all('a'): 
    print(link.get('href')) 

次に、奇妙なことが起こりました。 href="/en/volleyball/women/7168-serbia-italy/post"は出力にまったく含まれていません。

私はこのHREFは、タブページ側でhref="#scheduldedOver"このURLの一つに位置していることが判明し、それは次のHTMLコードによって制御されます。

<nav class="tabnav"> 
    <a href="#schedulded" ng-class="{selected: chosenStatus == 'Pre' }" ng-click="setStatus('Pre')" ng-href="#schedulded">Scheduled</a> 
    <a href="#scheduldedLive" ng-class="{selected: chosenStatus == 'Live' }" ng-click="setStatus('Live')" ng-href="#scheduldedLive">Live</a> 
    <a href="#scheduldedOver" class="selected" ng-class="{selected: chosenStatus == 'Over' }" ng-click="setStatus('Over')" ng-href="#scheduldedOver">Complete</a> 
</nav> 

は、その後どのように私はBeautifulSoup内部を使用してHREFを取得する必要がありますタブページ？

Answer 1

データは動的に作成されます。実際のソースを見ると、Angularjsテンプレートが表示されます。

あなたはまだソースにyuuuuouも同様のdiv見ることができ、AJAX呼び出しを模倣することにより、JSON形式ですべての情報を取得することができます：

： data-servicematchcenterbarのhrefを使用して

<div id="AngularPanel" class="main-wrapper" ng-app="fivb" 
data-servicematchcenterbar="/en/api/volley/matches/341/en/user/lives" 
data-serviceteammatches="/en/api/volley/matches/WOG2016/en/user/team/3017" 
data-servicelabels="/en/api/labels/Volley/en" 
data-servicelive="/en/api/volley/matches/WOG2016/en/user/live/"> 

はあなたにすべての情報を与えます

{"Id": 7168, "MatchNumber": "006", "TournamentCode": "WOG2016", "TournamentName": "Women's Olympic Games 2016", 
     "TournamentGroupName": "", "Gender": "", "LocalDateTime": "2016-08-06T22:35:00", 
     "UtcDateTime": "2016-08-07T01:35:00+00:00", "CalculatedMatchDate": "2016-08-07T03:35:00+02:00", 
     "CalculatedMatchDateType": "user", "LocalDateTimeText": "August 06 2016", 
     "Pool": {"Code": "B", "Name": "Pool B", "Url": "/en/volleyball/women/results and ranking/round1#anchorB"}, 
     "Round": 68, 
     "Location": {"Arena": "Maracanãzinho", "City": "Maracanãzinho", "CityUrl": "", "Country": "Brazil"}, 
     "TeamA": {"Code": "SRB", "Name": "Serbia", "Url": "/en/volleyball/women/teams/srb-serbia", 
        "FlagUrl": "/~/media/flags/flag_SRB.png?h=60&w=60"}, 
     "TeamB": {"Code": "ITA", "Name": "Italy", "Url": "/en/volleyball/women/teams/ita-italy", 
        "FlagUrl": "/~/media/flags/flag_ITA.png?h=60&w=60"}, 
     "Url": "/en/volleyball/women/7168-serbia-italy/post", "TicketUrl": "", "Status": "Over", "MatchPointsA": 3, 
     "MatchPointsB": 0, "Sets": [{"Number": 1, "PointsA": 27, "PointsB": 25, "Hours": 0, "Minutes": "28"}, 
            {"Number": 2, "PointsA": 25, "PointsB": 20, "Hours": 0, "Minutes": "25"}, 
            {"Number": 3, "PointsA": 25, "PointsB": 23, "Hours": 0, "Minutes": "27"}], 
     "PoolRoundName": "Preliminary Round", "DayInfo": "Weekend Day", 
     "WeekInfo": {"Number": 31, "Start": 7, "End": 13}, "LiveStreamUri": ""}, 

することができます：JSONで

from bs4 import BeautifulSoup 
import requests 
from urlparse import urljoin 

r = requests.get('http://rio2016.fivb.com/en/volleyball/women/teams/srb-serbia#wcbody_0_wcgridpadgridpad1_1_wcmenucontent_3_Schedule') 
soup = BeautifulSoup(r.content) 

base = "http://rio2016.fivb.com/" 

json = requests.get(urljoin(base, soup.select_one("#AngularPanel")["data-serviceteammatches"])).json() 

次のような出力が表示されます。あなたが必要とするものをそれらから解析します。

Answer 2

あなたの助けをありがとう、今私は正しいURLを得ることができます。私にとっては良い学習体験です。どうもありがとう:)

from bs4 import BeautifulSoup 
import requests 

Countryr = requests.get('http://rio2016.fivb.com/en/volleyball/women/teams/srb-serbia#wcbody_0_wcgridpadgridpad1_1_wcmenucontent_3_Schedule') 
countrySoup = BeautifulSoup(Countryr.text) 

for link in countrySoup.find_all('div', {'id': 'AngularPanel'}): 
    linkUrl = link.get('data-serviceteammatches') 

json = requests.get('http://rio2016.fivb.com' + linkUrl).json() 

for item in json: 
    print(item.get('Url')) 

出力：

/en/volleyball/women/7168-serbia-italy/post 
/en/volleyball/women/7172-serbia-puerto rico/post 
/en/volleyball/women/7177-usa-serbia/post 
/en/volleyball/women/7181-china-serbia/post 
/en/volleyball/women/7187-serbia-netherlands/post 
/en/volleyball/women/7195-russia-serbia/post 
/en/volleyball/women/7198-serbia-usa/post 
/en/volleyball/women/7200-china-serbia/post