拥有18年软件开发和IT教学经验。曾任多家上市公司技术总监、架构师、项目经理、高级软件工程师等职务。 网络人气名人讲师,...
经过实测,结论是 bs4 改变了属性的顺序。
审查元素 查看网页源码
审查元素
查看网页源码
import re ptn_tr = re.compile(r'<tr[^>]+>') import requests as req rsp=req.get('http://www.pythonscraping.com/pages/page3.html') html = rsp.text print('requests:\t', ptn_tr.findall(html)[0]) from urllib.request import urlopen rsp = urlopen("http://www.pythonscraping.com/pages/page3.html") html = rsp.read().decode() print('urlopen:\t', ptn_tr.findall(html)[0]) from bs4 import BeautifulSoup html = str(BeautifulSoup(html,"lxml")) print('bs4Soup:\t', ptn_tr.findall(html)[0])
结果:
requests: <tr id="gift1" class="gift"> urlopen: <tr id="gift1" class="gift"> bs4Soup: <tr class="gift" id="gift1">
class和id顺序不一样而已,你用chrome和firefox查看同一个网页源代码,顺序也是不一样的.
建议题主把网站甚至自己的代码贴出来,方便大家帮你调试。不一样很正常,如果你爬虫爬下来的内容保存为静态页面,和你用浏览器看到的不一样,那么肯定是对对方反爬虫机制给识别了,所以服务器会返回不同的信息。识别爬虫的方法很多,题主如果还有疑惑欢迎再问
楼主建议你贴出全部源代码,因为网站可以识别你是人工浏览器操作还是爬虫。
目前代码来看,建议你增加头部信息!use-agent 那行代码!
经过实测,结论是 bs4 改变了属性的顺序。
1、在浏览器中右键点击页面,选:
2、在 python3 程序中对比:
结果:
class和id顺序不一样而已,
你用chrome和firefox查看同一个网页源代码,顺序也是不一样的.
建议题主把网站甚至自己的代码贴出来,方便大家帮你调试。不一样很正常,如果你爬虫爬下来的内容保存为静态页面,和你用浏览器看到的不一样,那么肯定是对对方反爬虫机制给识别了,所以服务器会返回不同的信息。识别爬虫的方法很多,题主如果还有疑惑欢迎再问
楼主建议你贴出全部源代码,因为网站可以识别你是人工浏览器操作还是爬虫。
目前代码来看,建议你增加头部信息!use-agent 那行代码!