- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在开发一个网页抓取项目,并遇到了以下错误。
requests.exceptions.MissingSchema:无效的 URL“h”:未提供架构。也许你的意思是 http://h ?
下面是我的代码。我从 html 表中检索所有链接,它们按预期打印出来。但是当我尝试使用 request.get 循环遍历它们(链接)时,我收到了上面的错误。
from bs4 import BeautifulSoup
import requests
import unicodedata
from pandas import DataFrame
page = requests.get("http://properties.kimcorealty.com/property/output/find/search4/view:list/")
soup = BeautifulSoup(page.content, 'html.parser')
table = soup.find('table')
for ref in table.find_all('a', href=True):
links = (ref['href'])
print (links)
for link in links:
page = requests.get(link)
soup = BeautifulSoup(page.content, 'html.parser')
table = []
# Find all the divs we need in one go.
divs = soup.find_all('div', {'id':['units_box_1', 'units_box_2', 'units_box_3']})
for div in divs:
# find all the enclosing a tags.
anchors = div.find_all('a')
for anchor in anchors:
# Now we have groups of 3 list items (li) tags
lis = anchor.find_all('li')
# we clean up the text from the group of 3 li tags and add them as a list to our table list.
table.append([unicodedata.normalize("NFKD",lis[0].text).strip(), lis[1].text, lis[2].text.strip()])
# We have all the data so we add it to a DataFrame.
headers = ['Number', 'Tenant', 'Square Footage']
df = DataFrame(table, columns=headers)
print (df)
最佳答案
你的错误是代码中的第二个for
循环
for ref in table.find_all('a', href=True):
links = (ref['href'])
print (links)
for link in links:
ref['href']
为您提供单个网址,但您可以在下一个 for
循环中将其用作列表。
所以你有
for link in ref['href']:
它为您提供了 url http://properties.kimcore...
中的第一个字符,即 h
完整的工作代码
from bs4 import BeautifulSoup
import requests
import unicodedata
from pandas import DataFrame
page = requests.get("http://properties.kimcorealty.com/property/output/find/search4/view:list/")
soup = BeautifulSoup(page.content, 'html.parser')
table = soup.find('table')
for ref in table.find_all('a', href=True):
link = ref['href']
print(link)
page = requests.get(link)
soup = BeautifulSoup(page.content, 'html.parser')
table = []
# Find all the divs we need in one go.
divs = soup.find_all('div', {'id':['units_box_1', 'units_box_2', 'units_box_3']})
for div in divs:
# find all the enclosing a tags.
anchors = div.find_all('a')
for anchor in anchors:
# Now we have groups of 3 list items (li) tags
lis = anchor.find_all('li')
# we clean up the text from the group of 3 li tags and add them as a list to our table list.
table.append([unicodedata.normalize("NFKD",lis[0].text).strip(), lis[1].text, lis[2].text.strip()])
# We have all the data so we add it to a DataFrame.
headers = ['Number', 'Tenant', 'Square Footage']
df = DataFrame(table, columns=headers)
print (df)
顺便说一句:如果您在 (ref['href'], )
中使用逗号,那么您会得到元组,然后第二个 for
可以正确工作.
编辑:它在开始时创建列表table_data
并将所有数据添加到此列表中。最后转换成DataFrame。
但现在我看到它多次读取同一页面 - 因为在每一行中,每一列中都有相同的 url。您必须仅从一列获取 url。
编辑:现在它不会多次读取相同的网址
编辑:现在,当您使用append()
时,它会从第一个链接获取文本和hre,并添加到列表中的每个元素。
from bs4 import BeautifulSoup
import requests
import unicodedata
from pandas import DataFrame
page = requests.get("http://properties.kimcorealty.com/property/output/find/search4/view:list/")
soup = BeautifulSoup(page.content, 'html.parser')
table_data = []
# all rows in table except first ([1:]) - headers
rows = soup.select('table tr')[1:]
for row in rows:
# link in first column (td[0]
#link = row.select('td')[0].find('a')
link = row.find('a')
link_href = link['href']
link_text = link.text
print('text:', link_text)
print('href:', link_href)
page = requests.get(link_href)
soup = BeautifulSoup(page.content, 'html.parser')
divs = soup.find_all('div', {'id':['units_box_1', 'units_box_2', 'units_box_3']})
for div in divs:
anchors = div.find_all('a')
for anchor in anchors:
lis = anchor.find_all('li')
item1 = unicodedata.normalize("NFKD", lis[0].text).strip()
item2 = lis[1].text
item3 = lis[2].text.strip()
table_data.append([item1, item2, item3, link_text, link_href])
print('table_data size:', len(table_data))
headers = ['Number', 'Tenant', 'Square Footage', 'Link Text', 'Link Href']
df = DataFrame(table_data, columns=headers)
print(df)
关于python - 请求异常.MissingSchema : Invalid URL 'h' : No schema supplied,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47898368/
Schema.org中的 priceRange 属性是什么意思? https://schema.org/priceRange 我不明白这是什么意思,我住在哈萨克斯坦,也许我的文化或语言不明确。您能举一
用作引用:https://support.google.com/webmasters/answer/146750?hl=en 您会注意到在“产品”下有一个属性类别,此外页面下方还有一个示例: Too
我对 Doctrine 很陌生。我用 Doctrine 为我自己做了两个小项目,但现在我要为我的客户创建大项目。该项目将有50多个表。有没有办法生成schema.yml?我尝试了 DB Designe
在 Mongoose 模式中,我们可以通过两种方式创建方法 SchemaName.methods.functionName 和 SchemaName.statics.functionName . 静态
我读了这个Google doc .它说我们不使用列表中的产品。 那么对于产品列表(具有多页的类似产品的类别,如“鞋子”),推荐使用哪种模式? 我用这个: { "@context": "htt
我目前在做DBpedia数据集,想通过wikidata实现schema.org和DBpedia的映射。因此我想知道 schema.org 和 wikidata 之间是否存在任何映射。 最佳答案 我认为
如果看一下 Movie在 schema.org 中输入,actor 和 actors 属性都是允许的(actor 取代 actors)。但是 author 和 contributor 属性没有等效项。
我正在尝试将 Vertica 架构从一个物理集群导出和导入到另一个物理集群。我的测试实例有一个集群,我的生产实例有 3 个集群。 我探索了以下选项,但它们仅限于在一个物理 Vertica 实例上移动数
我们有一些餐厅有多个地点或分支机构。我想包含正确的 Schema.org 标记,但找不到任何允许列出多个餐厅的内容。 每家餐厅都有自己的地址、电子邮件、电话和营业时间,甚至可能是“分店名称”。 两个分
我在一个页面中有多个综合评分片段。 有没有办法让其中之一成为默认值?将显示在搜索引擎结果中的那个? 谢谢大家! 更新:该网页本质上是品牌的页面。它包含品牌评论的总评分及其产品列表(每个产品的总评分)。
有谁知道是否可以用另一个 XML 模式验证一个 XML 模式?如果是这样,那里有引用实现吗?我想使用 JAXB 解析模式文档。 最佳答案 当然。大多数时候,您只需将浏览器指向用作 XML 文档 nam
我正在尝试创建 springdoc swagger 文档,我想代表一个具有数据类型 Map 的请求正文以更好的方式为客户提供可读性。但是当我声明 @io.swagger.v3.oas.annotati
当我们创建数据库时会创建一个公共(public)模式,如果我们不指定任何模式,则会在公共(public)模式下创建表。如果您在从数据库中删除公共(public)模式时看到或遇到任何问题,能否告诉我,因
网站的根页面(即 http://example.com/ )的特殊之处在于它是默认的着陆页。它可能包含许多不同的对象类型。 它可能被认为是一个网站,或者一个博客等... 但它是否也应该被标记为给定对象
我网站的产品页面有面包屑导航。 Product 类型没有breadcrumb。 我这样做: "@type": "Webpage", "breadcrumb": {... "mainEntity":
关闭。这个问题是opinion-based 。目前不接受答案。 想要改进这个问题吗?更新问题,以便 editing this post 可以用事实和引文来回答它。 . 已关闭 1 年前。 社区1年前审
我正在尝试从模式注册表中检索给定 kafka 主题的模式主题版本。我可以使用 client.register(schema-name, schema) 成功发布新版本,但我不确定如何检索版本。我在下面
我有一个地方/本地企业,它有各种字段,可以很好地映射到 schema.org 条目。有一个字段我不知道如何标记。我们有指向该企业社交媒体帐户的链接,例如他们的 Twitter 帐户、Facebook
我在 schema.schema 中有一个 number_of_servers 字段,我需要为其设置一个范围。有什么办法吗? Schema: map[string]*schema.Schema{
在向我的站点添加微数据时,我使用了 schema.org 上的词汇表。 目前,我使用 http://schema.org/SoftwareApplication 来标记软件。由于 schema.org
我是一名优秀的程序员,十分优秀!