BeautifulSoup循环页面,但是每个循环中爬取的数据都重复了。
创始人
2024-11-27 19:01:12
0

这个问题可能是因为没有正确处理每个页面的唯一标识符或者没有清空数据缓存。解决方法可以是:新建一个变量或者清空列表来缓存每页爬取的数据,在每个循环结束后调用该变量或列表来保存数据结果。另外,也需要根据每个页面的唯一标识符去重,避免数据重复。

以下是示例代码:

import requests
from bs4 import BeautifulSoup

all_data = []  # 用于保存所有页面的数据

for i in range(1, 11):  # 循环10页
    url = f"https://example.com/page{i}"  # 构造每个页面的URL

    # 请求页面并解析HTML
    res = requests.get(url)
    soup = BeautifulSoup(res.content, "html.parser")

    page_data = []  # 用于保存当前页面的数据

    for item in soup.find_all("div", {"class": "item"}):  # 遍历页面中的所有item
        # 提取item中的数据
        name = item.find("h2").text.strip()
        price = item.find("span", {"class": "price"}).text.strip()

        # 将每个item的数据保存为字典,并添加到page_data中
        item_data = {"name": name, "price": price}
        page_data.append(item_data)

    # 将当前页面的数据合并到all_data中
    all_data.extend(page_data)

# 输出所有页面的数据
for data in all_data:
    print(data)

相关内容

热门资讯

前端-session、jwt 目录:   (1)session (2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作: 我们首先创建了一个文件并在这个文件里面添加了...
关于测试,我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语,但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组,我们想大量频繁的去访问L到R这个区间的和,...
nodejs:本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本,node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构:jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路,走一条最大的...
常用的DOS命令 常用的DOS命令 DOS(Disk Operating System,磁...
<C++> 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数,cons...