python - 抓取 html 表 - python

Question

我在从 html 中抓取表格时遇到问题。实际上它是一张更大的 table 里面有三张 table 。我正在使用 BS4，它工作得很好，直到找到所有“td”标签，但是当我尝试打印我需要的信息时，程序在第一个表的末尾停止并显示此错误消息:

"IndexError: list index out of range"

import re
import urllib2
from bs4 import BeautifulSoup

url = 'http://trackinfo.com/entries-alphabetical.jsp?raceid13=GBR$20140314A'
page = urllib2.urlopen(url).read()
soup = BeautifulSoup(page)


for tr in soup.find_all('tr')[2:]:
  tds = tr.find_all('td')
  print tds[0].text, tds[1].text

有什么解决办法吗？

Answer 1

通过查看您的代码，在循环中假设在找到的 tr 元素列表中始终有(至少)2 个 td 元素。如果在某些情况下 tr 元素包含的元素少于 2 个，则会引发 IndexError。

尝试将循环更改为如下所示:

for tr in soup.find_all('tr')[2:]:
  tds = tr.find_all('td')
  if len(tds) >= 2:
    print tds[0].text, tds[1].text

td 元素数量必须为 2 或更多的检查特定于您正在解析的页面，我猜您希望将两个值写在一起。更通用的解决方案可能是:

for tr in soup.find_all('tr')[2:]:
  for td in tr.find_all('td'):
    print td.text