作者chaotic0307 (堅持、耐心、努力學習)
看板Python
標題Re: [問題] 請問想查詢高鐵時刻表的問題
時間Tue Feb 19 10:40:02 2019
※ 引述《chaotic0307 (堅持、耐心、努力學習)》之銘言：
: 各位先進好，小弟剛自學python沒多久，最近在練習一個高鐵時刻表的爬蟲卻
: 一直卡關，不知道問題出在哪，用的是python3.6版
: 程式碼如下:
: import requests
: from bs4 import BeautifulSoup
: url = 'http://www.thsrc.com.tw/tw/TimeTable/SearchResult'
: form_data = {
: 'StartStation':'977abb69-413a-4ccf-a109-0272c24fd490',
: 'EndStation':'9c5ac6ca-ec89-48f8-aab0-41b738cb1814',
: 'DepartueSearchDate':'2019/01/30',
: 'DepartueSearchTime':'09:30',
: 'SearchWay':'DepartureInMandarin'
: }
: #原例子是用SearchDate，但在高鐵網頁按F12看到是DepartueSearchDate，不知有錯嗎?
: response_post = requests.post(url, data=form_data)
: soup_post = BeautifulSoup(response_post.text, 'lxml')
: soup_post
: 原本要用下面的方式來記錄般車，但是用美麗湯解析後發現class裡面根本沒有column1
: 不知道問題出在哪?
: # 所有班車(train_number)
: td_col1 = soup_post.find_all('td', {'class':'column1'})
: train_numbers = []
: for tag in td_col1:
: # print(tag)
: train_number = tag.text
: train_numbers.append(train_number)
: 有嘗試加header或是用urllib的方式，但好像都查詢不到
: 跪求高手解惑~謝謝!
: 原例：
: https://github.com/music1353/pyHowFun/blob/master/LESSON4%20%E7%88%AC%E8%9F%B
: 2%E5%AF%A6%E6%88%B0%20-%20%E9%AB%98%E9%90%B5%E6%99%82%E5%88%BB.ipynb
自己的文章自己回~
不知道去年高鐵網站是不是有改過，一些書上的方法好像都失效了
透過chrome的開發者工具，可以在XHR底下找到回傳的data
自己做功課的了解是這應該是動態網頁，資料格式應該是json(?
試過一些方法還是抓不到(跟cookies or session有關嗎?
在Response Headers 當中顯示 Cache-Control: private, max-age=5
沒有Allow，是不是代表無法抓取?
但在網頁按右鍵->檢查->copy element貼到記事本是有看到的
跪求高手解惑~
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.42.225.115
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1550544004.A.3C7.html
※ 編輯: chaotic0307 (114.42.225.115), 02/19/2019 11:56:19
1F：→ nini200: 我以為你解決了.... 02/19 17:14
2F：→ chaotic0307: 找很多網頁跟方法都還是解不開....我太菜了 02/19 19:04
3F：→ f496328mm: bs4 有時會抓的會有差，res.text 中有 02/19 22:49
4F：→ f496328mm: bs4 沒有 02/19 22:49
5F：→ vi000246: 可能header不對 被當成機器人了吧 02/20 11:40
6F：→ chaotic0307: 謝謝，再來試試看..... 02/20 23:38
7F：→ coeric: 我怎麽記得有API可以接？ 02/23 08:31
8F：推 Tcap: 現在交通部的ptx有提供api了 03/20 17:38
10F：→ Tcap: 如果要爬動態網站，可能得用Selenium之類的方式 03/20 17:38