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

银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
AWSECS:访问外部网络时出... 如果您在AWS ECS中部署了应用程序,并且该应用程序需要访问外部网络,但是无法正常访问,可能是因为...
北信源内网安全管理卸载 北信源内网安全管理是一款网络安全管理软件,主要用于保护内网安全。在日常使用过程中,卸载该软件是一种常...
AWSElasticBeans... 在Dockerfile中手动配置nginx反向代理。例如,在Dockerfile中添加以下代码:FR...
AsusVivobook无法开... 首先,我们可以尝试重置BIOS(Basic Input/Output System)来解决这个问题。...
ASM贪吃蛇游戏-解决错误的问... 要解决ASM贪吃蛇游戏中的错误问题,你可以按照以下步骤进行:首先,确定错误的具体表现和问题所在。在贪...
​ToDesk 远程工具安装及... 目录 前言 ToDesk 优势 ToDesk 下载安装 ToDesk 功能展示 文件传输 设备链接 ...