Celsus
Member | Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
А как пропарсить эту кашу? Тут же не от чего отталкиваться. Это beatport вчера обновил свой дизайн, теперь он не парсится Octoparse, а ParseHub вообще показывает черный экран вместо страниц. Если сохранить страницу целиком, там привычная структура с DIV а если скопировать исходный код кстраницы то эта каша, но нужна именно эта каша, так как в ней почемуто есть номера каталогов, посмотреть которые можно только заходя на страницы релизов. Здесь зачемто даже описания релизов, которые также только на страницах релизов. Нужны имена артистов, названия релизов и номера каталогов, а вот ссылок тут нет, тут ссылка на api + id страницы (это цифры в конце страницы), но он бесмысленен, так как в адресе страниц релизов еще слова из названия релизов, ссылки ест ьтокль в сохраненной странице с div, в принципе они не нужны, хотя часто нужны.
https://regex101.com/r/oqV5rB/1
Например, нужны:
1.
"name":"Alexey Lukianov"
"name":"Cozy Shores"
"catalog_number":"NS1166"
"new_release_date":"2023-07-10"
2.
"name":"SinStar"
"name":"Hope"
"new_release_date":"2023-07-07"
"catalog_number":"NS1165"
На сайте regex какойто мусор, но в notepad все нормально. Единственное, вместо артиста иногда сборник и написано Various Astists, тогда берется любой артист из сборника, закономеррности не заметил, зачем список артистов на странице списка релихов - тоже не понятно, как и номер каталога и описание. Думаю, разрабы сами не поняли, что сделали.
Не хватает ссылок на релизы, а получитьих можно только пропарсив сохраненную страницу html
Результат: https://i.postimg.cc/qRGfS7sL/2023-07-12-163143.png |
Всего записей: 384 | Зарегистр. 02-04-2011 | Отправлено: 13:54 12-07-2023 | Исправлено: Celsus, 09:00 13-07-2023 |
|
