python - 使用 Wikipedia 上的 BeautifulSoup 进行网页抓取

Question

我是Python新手，尝试使用BeautifulSoup提取Wikipedia page上的所有火车站名称来自维基表的第三列。我已经尝试过下面的代码，但它似乎将每一行单元格作为一组信息返回

contentTable  = soup.find('table', { "class" : "wikitable"})
cols  = contentTable.find_all('td')
for col in cols:
    soup.find_all("a")
    print(col.get_text())

输出如下，代表表中的 1 行:

CG2 
TE [a]
Changi Airport
樟宜机场
சாங்கி விமானநிலையம்
8 February 2002
Changi Airport

CGA
Changi
Singapore Changi Airport,  Changi Airport PTB2 Bus Terminal

预期数据框列站名称:

Station Names
Jurong East
Bukit Batok
etc...

有人可以教我如何正确编码吗？谢谢!

Answer 1

您的程序只是简单地打印维基表上每个“td”标签的文本内容。

试试这个:

contentTable = soup.find('table', {"class": "wikitable"})
trs = contentTable.find_all('tr')

for tr in trs:
    tds = tr.find_all('td')
    for td in tds:
        if tds.index(td) == 2:
            print(td.get_text())

首先，它会抓取每一行，找到该行上的每个“td”标签，如果它是该行上的第三个“td”标签，则打印出其内容。