- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我试图让 Nokogiri 在 ESPN 的网站上抓取林书豪上一场比赛的统计数据,但是,CSS 文本方法给我的是一个字符串,统计数据之间没有任何空格。
scraper.get_last_game_stats.text
返回的字符串是:
"Sat 11/16vsDENW 122-111326-11.5450-2.0004-6.66747113116Wed 11/13@ PHIL 117-1234910-19.5269-15.6005-6.833512005834Sat 11/9vsLACL 94-107263-7.4290-0.0000-0.0001701156"
我试图在每个统计数据之间放置空格,但是,即使我循环遍历主要对象,在迭代之间放置空格或破折号,我也无法拆分抢断、盖帽、得分、失误和其他所有数据:
class PlayerScraper
attr_accessor :player_data, :name
def initialize(url)
@player_data = Nokogiri::HTML(open(url))
end
def get_last_game_stats
@last_game_stats = @player_data.css('tr[class^="oddrow team-46"]')
end
end
jlin_url = "http://espn.go.com/nba/player/_/id/4299/jeremy-lin"
scraper = PlayerScraper.new(jlin_url)
scraper.get_last_game_stats.text
有人可以告诉我更好的方法吗?
最佳答案
您正在遍历行,而不是包含的单元格。您需要同时执行这两项操作才能以可用的形式获取单元格的值:
require 'open-uri'
require 'nokogiri'
URL = 'http://espn.go.com/nba/player/_/id/4299/jeremy-lin'
doc = Nokogiri::HTML(open(URL))
data = doc.css('tr[class^="oddrow team-46"]').map{ |tr|
tr.css('td').map(&:text)
}
data
# => [["Sat 11/16",
# "vsDEN",
# "W 122-111",
# "32",
# "6-11",
# ".545",
# "0-2",
# ".000",
# "4-6",
# ".667",
# "4",
# "7",
# "1",
# "1",
# "3",
# "1",
# "16"],
# ["Wed 11/13",
# "@ PHI",
# "L 117-123",
# "49",
# "10-19",
# ".526",
# "9-15",
# ".600",
# "5-6",
# ".833",
# "5",
# "12",
# "0",
# "0",
# "5",
# "8",
# "34"],
# ["Sat 11/9",
# "vsLAC",
# "L 94-107",
# "26",
# "3-7",
# ".429",
# "0-0",
# ".000",
# "0-0",
# ".000",
# "1",
# "7",
# "0",
# "1",
# "1",
# "5",
# "6"]]
以不同的方式查看数据,这会将其输出为行:
data.each do |row|
puts row.join(', ')
end
# >> Sat 11/16, vsDEN, W 122-111, 32, 6-11, .545, 0-2, .000, 4-6, .667, 4, 7, 1, 1, 3, 1, 16
# >> Wed 11/13, @ PHI, L 117-123, 49, 10-19, .526, 9-15, .600, 5-6, .833, 5, 12, 0, 0, 5, 8, 34
# >> Sat 11/9, vsLAC, L 94-107, 26, 3-7, .429, 0-0, .000, 0-0, .000, 1, 7, 0, 1, 1, 5, 6
表格非常简单,您可以使用两个嵌套循环创建表格。要稍后访问每个单元格,您需要执行相同的操作,循环遍历行,然后在该循环内遍历单元格。这就是我编写的所有代码。
关于css - Nokogiri 刮文本方法替代?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20061224/
我尝试通过 Goutte 列表从流行的拍卖网络服务中抓取,但它们的部分代码是由 javascript 呈现的,问题是 Goutte 只返回没有 JS 作业的 DOM。因此,如果 symphony 是
我遇到了旧的工作代码无法正常运行的问题。 我的 python 代码正在使用漂亮的汤抓取网站并提取事件数据(日期、事件、链接)。 我的代码正在提取位于 tbody 中的所有事件.每个事件都存储在 中.
所以我期待着对这个 link 中出现的表格进行抓取. 为了抓取,我决定使用 Selenium 。 在我的第一次尝试中,我所做的是: driver = webdriver.Chrome(ChromeDr
所以我期待着对这个 link 中出现的表格进行抓取. 为了抓取,我决定使用 Selenium 。 在我的第一次尝试中,我所做的是: driver = webdriver.Chrome(ChromeDr
我通过 Selenium 运行 headless (PhantomJS) 浏览器的网站有不同的时区,所以我得到了很多条目的错误日期。因此,我抓取的结果显示了错误的日期/时间(我在美国东部时间,看起来网
尝试使用 beautiful soup 从网站上抓取表格以解析数据。我将如何通过它的标题来解析它?到目前为止,我什至无法打印整个表格。提前致谢。 代码如下: import urllib2 from b
我一直在使用 Selenium(Python Webdriver)抓取一个网站。当我尝试将它作为 click() 选项时,我收到了权限被拒绝的错误。完整堆栈跟踪: Traceback (most re
使用 Beautiful soup 和 Pandas 抓取网页以获取表格。其中一列有一些网址。当我将 html 传递给 pandas 时,href 丢失了。 有没有办法只为该列保留 url 链接? 示
我正在尝试抓取 table进入数据框。我的尝试仅返回表名称,而不返回每个区域的行内的数据。 这是我到目前为止所拥有的: from bs4 import BeautifulSoup as bs4 imp
我是一名优秀的程序员,十分优秀!