gpt4 book ai didi

python - 如何使用 Python、BeautifulSoup 和表中的 Mechanize 提取 Web 数据

转载 作者:行者123 更新时间:2023-11-28 23:04:49 24 4
gpt4 key购买 nike

我想从此站点的表中提取数据:http://www.pgatour.com/r/stats/info/xm.html?101然后将其另存为 .csv 并将其放入 iWorks Numbers 工作表中。我一直在尝试使用 Python、BeautifulSoup 和 mechanize。我一直在通过查看其他示例在没有知识的情况下进行尝试,但没有成功。我已经走了这么远:

from BeautifulSoup import BeautifulSoup, SoupStrainer
from mechanize import Browser
import re
br = Browser()
response = br.open("http://www.pgatour.com/r/stats/info/xm.html?101").read()

然后我用 firebug 查看代码,我猜我需要解析 <tbody> 之间的数据。和 </tbody> .但我不知道该怎么做。非常感谢任何帮助。

最佳答案

在主页中,旅游统计数据似乎是由 JavaScript 填充的 <div class="tourViewData"> ... populateDDs();BS 不解析 Javascript,请参阅关于它的许多其他 SO 问题。(我不知道如何解决该部分。最坏的情况是,选择该 HTML 选择并将其保存为本地 html 文件,作为解决方法。)

首先,将 s 设置为该 URL 的 BeautifulSoup 对象(我使用 twill 而不是 raw mechanize,将你的 mechanize 等价物放在这里):

from BeautifulSoup import BeautifulSoup, SoupStrainer
#from mechanize import Browser
from twill.commands import *
import re

go("http://www.pgatour.com/r/stats/info/xm.html?101")
s = BeautifulSoup(get_browser().get_html())

无论如何,您要查找的统计表是用 <tbody><tr class="tourStatTournHead"> 标记的表.只是为了让事情有点古怪,其行中的标记属性交替定义为 <tr class="tourStatTournCellAlt"<tr class=""... .我们应该搜索第一个 <tr class="tourStatTournCellAlt" ,然后处理每个 <tr>在那之后的表格中,除了标题行 ( <tr class="tourStatTournHead"> )。

遍历行:

tbl = s.find('table', {'class':'tourStatTournTbl'})

def extract_text(ix,tg):
if ix==2: # player name field, may be hierarchical
tg = tg.findChildren()[0] if (len(tg.findChildren())>0) else tg
return tg.text.encode()

for rec in tbl.findAll('tr'): # {'class':'tourStatTournCellAlt'}):
# Skip header rows
if (u'tourStatTournHead' in rec.attrs[0]):
continue
# Extract all fields
(rank_tw,rank_lw,player,rounds,avg,tot_dist,tot_drives) = \
[extract_text(i,t) for (i,t) in enumerate(rec.findChildren(recursive=False))]
# ... do stuff

我们为玩家名称添加了一个辅助函数(它可能是分层的,也可能不是分层的,如果它嵌入了 Titleist 标志。)可能您想将大多数字段转换为 int(),除了 player(string) 和 avg(float);如果是这样,请记住从排名字段中删除可选的“T”(表示并列),并从 tot_dist 中删除逗号。

关于python - 如何使用 Python、BeautifulSoup 和表中的 Mechanize 提取 Web 数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7072139/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com