python爬虫如何从一个页面进入另一个页面-Python爬虫怎么获取下一页的URL和网页内容？...

野性酷女 2022-11-21 14:23 225阅读 0赞

用BeautifulSoup爬取了第一页的内容，但是不知道剩下的页面怎么爬。

首页链接是长这样的：

http://gdemba.gicp.net:82/interunit/ListMain.asp?FirstEnter=Yes&Style=0000100003&UID=\{A270A117-76A7-4059-AB8F-B11AC370240B\}&TimeID=39116.81

通过点击一个“后翻一页”的gif图片按钮跳转到下一页：

![bVpPKK][]

第二页的链接是长这样的：

http://gdemba.gicp.net:82/interunit/ListMain.asp?Keywords=&Style=0000100003&DateLowerLimit=

2000-1-1&DateUpperLimit= 2015-9-11&DateLowerLimitModify=

2000-1-1&DateUpperLimitModify=

2015-9-11&Classification1=0&Classification2=0&Classification3=0&Classification4=0&Classification6=0&Classification7=0&Classification8=0&Class=&Department=001&CreatorName=&CreatorTypeID=&UID=\{A270A117-76A7-4059-AB8F-B11AC370240B\}&SortField=&CustormCondition=&PageNo=2&TimeID=39453.14

这里怎么观察出URL的规律呢？

那个“后翻一页”的链接如下：

οnclick=”javascript:window.location.href =

"ListMain.asp?Keywords=&Style=0000100003&DateLowerLimit=

2000-1-1&DateUpperLimit= 2015-9-11&DateLowerLimitModify=

2000-1-1&DateUpperLimitModify=

; “>![p][]

WIDTH=”16″ HEIGHT=”16″>

要怎么获取下一页的URL和网页内容呢？

有需要更多信息我可以补充上来。

补充代码：

60import urllib

import urllib2

import cookielib

import re

import csv

import codecs

from bs4 import BeautifulSoup

cookie = cookielib.CookieJar()

opener = urllib2.build\_opener(urllib2.HTTPCookieProcessor(cookie))

postdata = urllib.urlencode(\{

'LoginName':'02',

'Password':'dc20150820if'

\})

req = urllib2.Request(

url = 'http://gdemba.gicp.net:82/VerifyUser.asp',

data = postdata

)

result = opener.open(req)

for item in cookie:

print 'Cookie：Name = '+item.name

print 'Cookie：Value = '+item.value

result = opener.open('http://gdemba.gicp.net:82/interunit/ListMain.asp?FirstEnter=Yes&Style=0000100003&UID=\{4C10B953-C0F3-4114-8341-81EF93DE7C55\}&TimeID=49252.53')

info = result.read()

soup = BeautifulSoup(info, from\_encoding="gb18030")

table = soup.find(id='Table11')

print table

client = ""

tag = ""

tel = ""

catalogue = ""

region = ""

client\_type = ""

email = ""

creater = ""