Парсинг YouTube с помощью BeautifulSoup4

В HTML-коде YouTube есть некоторые пользовательские элементы, такие как yt-formatted-string, вы видите, что вы не можете декодировать его в синтаксическом анализаторе HTML без javascript youtube, beautifulsoup4 анализирует его неправильно.

Вот код:

from bs4 import BeautifulSoup
import requests


url = "https://thewikihow.com/video_S4E4yAktjug"

response = requests.get(url)

if response.status_code == 200:
    doc = BeautifulSoup(response.text, "html.parser")
    data_container = doc.find('div', {'id': 'info-container'})

    print(data_container.prettify())

печатает это:

<div id = "info-container">
 <div class = "skeleton-light-border-bottom" id = "primary-info">
  <div class = "text-shell skeleton-bg-color" id = "title">
  </div>
  <div id = "info">
   <div class = "text-shell skeleton-bg-color" id = "count">
   </div>
   <div class = "flex-1">
   </div>
   <div id = "menu">
    <div class = "menu-button skeleton-bg-color">
    </div>
    <div class = "menu-button skeleton-bg-color">
    </div>
    <div class = "menu-button skeleton-bg-color">
    </div>
    <div class = "menu-button skeleton-bg-color">
    </div>
    <div class = "menu-button skeleton-bg-color">
    </div>
   </div>
  </div>
 </div>
 <div class = "skeleton-light-border-bottom" id = "secondary-info">
  <div id = "top-row">
   <div class = "flex-1" id = "video-owner">
    <div class = "skeleton-bg-color" id = "channel-icon">
    </div>
    <div class = "flex-1" id = "upload-info">
     <div class = "text-shell skeleton-bg-color" id = "owner-name">
     </div>
     <div class = "text-shell skeleton-bg-color" id = "published-date">
     </div>
    </div>
   </div>
   <div class = "skeleton-bg-color" id = "subscribe-button">
   </div>
  </div>
 </div>
</div>

[РЕДАКТИРОВАТЬ] Это ожидаемые значения:

2.4M views 1 year ago

[Конец РЕДАКТИРОВАТЬ]

Итак, когда я пытаюсь получить количество просмотров, оно возвращается как None. возможно ли исправить?

Я пытался сделать это один за другим, сначала получая информационный контейнер, затем другой элемент, а затем внутри этого счетчика просмотров, но он вернулся NoneType object has no attribute find.

Я также попытался перечислить все промежутки и извлечь один с представлениями, но это было неэффективно, запутанно и не удалось.

Я не вижу количество просмотров в предоставленном HTML-коде. Можете ли вы перепроверить, что это правильный код, и, возможно, указать, какое значение вы пытаетесь получить?

dm2 27.04.2023 07:50

Хорошо! через 20 минут вопрос будет исправлен

Rayaan khan 27.04.2023 08:08

Вероятно дубликат: stackoverflow.com/questions/63402280/…

user_na 27.04.2023 09:32

Попробуйте решение по ссылке выше, как сказал @dm2, количество не в полученном HTML. Вероятно, это связано с тем, что вы не вызываете JS, который генерирует номер.

user_na 27.04.2023 09:36

@Rayaankhan, поскольку задействован javascript, а библиотека requests не поддерживает это. Вот почему вы получаете различный HTML-контент. Но вы по-прежнему получаете все данные внутри одного из тегов script, а данные находятся внутри глубоко вложенного тега json, который вам нужно будет проанализировать.

Ajeet Verma 27.04.2023 09:37
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
5
73
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

@Rayaankhan, поскольку здесь задействовано javascript, а библиотека запросов не поддерживает это. Вот почему вы получаете другой HTML контент. Но вы по-прежнему получаете все данные внутри одного из тегов script, а данные лежат внутри глубоко вложенного JSON, который вам нужно будет проанализировать — Аджит Верма. Как вы видите в комментарии Аджита, библиотека запросов не возвращает javascript, поэтому мне нужно получить javascript извне и отобразить с ним HTML.

Другие вопросы по теме