试图找出此页面的逻辑：存储了大约 ++ 100 个结果 - 并使用 Python 和 BS4 进行了解析

试图找出此页面背后的逻辑：

我们已将一些结果存储在以下数据库中：

https://www.raiffeisen.ch/rch/de/ueber-uns/raiffeisen-gruppe/ Organization/raiffeisenbanken/deutsche-schweiz.html#accordionitem_18104049731620873397

从 a到z大约：120个结果或更多：

我们必须使用哪些选项来获取数据

https://www.raiffeisen .ch/zuerich/de.html#bankselector-focus-titlebar

Raiffeisenbank Zürich
Limmatquai 68
8001Zürich
Tel. +41 43 244 78 78
[email protected]

https://www.raiffeisen.ch/sennwald/de.html

Raiffeisenbank Sennwald
Äugstisriet 7
9466Sennwald
Tel. +41 81 750 40 40
[email protected]
BIC/Swift Code: RAIFCH22XXX

https://www.raiffeisen.ch/basel/de/ueber -uns/engagement.html#bankselector-focus-titlebar

Raiffeisenbank Basel
St. Jakobs-Strasse 7
4052Basel
Tel. +41 61 226 27 28
[email protected]

嗯 - 我认为 - 如果以某种方式将所有内容都封装在 url 编码块中...

好吧，我正在尝试找出它 - 这是我的方法：

import requests
from bs4 import BeautifulSoup

def get_raiffeisen_data(url):
    response = requests.get(url)
    if response.status_code == 200:
        soup = BeautifulSoup(response.content, 'html.parser')
        banks = []

        # Find all bank entries
        bank_entries = soup.find_all('div', class_='bank-entry')

        for entry in bank_entries:
            bank = {}
            bank['name'] = entry.find('h2', class_='bank-name').text.strip()
            bank['address'] = entry.find('div', class_='bank-address').text.strip()
            bank['tel'] = entry.find('div', class_='bank-tel').text.strip()
            bank['email'] = entry.find('a', class_='bank-email').text.strip()
            banks.append(bank)
        
        return banks
    else:
        print(f"Failed to retrieve data from {url}")
        return None

url = 'https://www.raiffeisen.ch/rch/de/ueber-uns/raiffeisen-gruppe/organisation/raiffeisenbanken/deutsche-schweiz.html'
banks_data = get_raiffeisen_data(url)

for bank in banks_data:
    print(f"Name: {bank['name']}")
    print(f"Address: {bank['address']}")
    print(f"Tel: {bank['tel']}")
    print(f"Email: {bank['email']}")
    print('-' * 40)

提供的代码示例无法使用，因为它假设数据直接嵌入在提供的初始 URL 的 HTML 中。但是，根据的描述，数据似乎是从其他地方动态加载的。

为了从 Raiffeisen 网站抓取所有 ~120 家银行的数据，需要确定加载这些数据的机制。这可能涉及以下一项或多项操作：

1. 检查网站的 JavaScript 代码： 网站可能正在使用 JavaScript 向服务器发出 AJAX 请求以检索银行数据。可以使用浏览器的开发者工具（网络选项卡）来分析网站发出的网络请求，并识别检索银行数据的请求。

2. 查找隐藏的 API 端点： 有些网站使用 API 来提供数据。通过分析网络请求，可以找到提供银行数据的隐藏 API 端点。

3. 逆向工程网站的 JavaScript 代码： 如果数据是使用复杂逻辑或混淆的 JavaScript 代码加载的，可能需要花费更多精力来理解代码的工作原理，并复制加载数据的逻辑。

找到加载数据的机制后，可以使用 Python 和 requests 库来模拟这些请求，并使用 Beautiful Soup 或其他解析库（例如 lxml 或 json）来提取数据。

以下是一些可能帮助进行调查的附加提示：

• 搜索特定关键字： 在网络选项卡中，尝试搜索“bank”、“location”或“branch”等关键字，以过滤与加载银行数据相关的请求。
• 检查请求头和参数： 分析网络请求中的请求头和参数，以查看是否有任何模式或唯一标识符用于检索特定数据。
• 使用调试器： 使用浏览器的 JavaScript 调试器来设置断点并逐步执行代码，以了解数据加载过程。

请记住，抓取网站时请务必遵守其服务条款和 robots.txt 文件。