- 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?
我创建了一个脚本来解析 htmlfile link 中的几个数据点。并根据 this format 将其写入 csv 文件.
我确实使用我已经在脚本中定义的选择器相应地定位了字段,但我无法以正确的方式对输出进行分层,以便稍后将它们写入 csv 文件。
数据点位置:
Nature of association
`from 1st table`
Purpose
In cash (Previous balance)
`from 2nd table`
Donor Name
Address
`from 3rd table`
Country Name
Amount
这是我尝试过的方法(我想 html 文件链接有效
):
import requests
from bs4 import BeautifulSoup
file_link = 'https://filebin.redpill-linpro.com/zj2qqc27va5fatm0/index.html'
res = requests.get(file_link)
soup = BeautifulSoup(res.text,"lxml")
nature_of_asso = soup.select_one("td:contains('Nature of association') + td").get_text(strip=True)
for purpose_tr in soup.select("table:has(> tr > td:nth-of-type(1) + td:contains('Purpose')) tr")[3:]:
try:
purpose = purpose_tr.select_one('td:nth-of-type(2)').get_text(strip=True)
except AttributeError: purpose = ""
try:
in_cash = purpose_tr.select_one('td:nth-of-type(3)').get_text(strip=True)
except AttributeError: in_cash = ""
print(purpose,in_cash)
for donor_tr in soup.select("table:has(> tr > td:nth-of-type(1) + td:contains('Donor Name')) tr")[2:]:
try:
donor_name = donor_tr.select_one('td:nth-of-type(2)').get_text(strip=True)
except AttributeError: donor_name = ""
try:
address = donor_tr.select_one('td:nth-of-type(3)').get_text(strip=True)
except AttributeError: address = ""
print(donor_name,address)
for country_tr in soup.select("table:has(> tr > td:nth-of-type(1) + td:contains('Country Name')) tr")[1:]:
try:
country = country_tr.select_one('td:nth-of-type(2)').get_text(strip=True)
except AttributeError: country = ""
try:
amount = country_tr.select_one('td:nth-of-type(3)').get_text(strip=True)
except AttributeError: amount = ""
print(country,amount)
How can I arrange output as per the image above in order to write the same to a csv file?
最佳答案
您可以使用 pandas 来处理所有事情并清理表格,然后使用 Sl.No
左连接主 DataFrame
,在其他行上连接大多数行。
import pandas as pd
tables = pd.read_html('https://filebin.redpill-linpro.com/zj2qqc27va5fatm0/index.html')
df = tables[4]
df = df.iloc[2:-1, :3]
df.columns = df.iloc[0, :]
df.drop(labels = 2, axis = 0, inplace = True)
df_donor = tables[8]
df_donor = df_donor.iloc[:-2, :]
df_donor.columns = df_donor.iloc[0, :]
df_donor = df_donor.iloc[2:, :3]
df_country = tables[10]
df_country = df_country.iloc[:-1, :]
df_country.columns = df_country.iloc[0, :]
df_country = df_country.iloc[1:, :]
df.rename(columns = {'Sl.No.':'Sl.No'}, inplace = True)
df = pd.merge(df, df_donor, on = df.columns[0], how = 'left')
df = pd.merge(df, df_country, on = df.columns[0], how = 'left')
df = df.iloc[:, 1:]
df.insert(loc = 0, column= 'Nature of association', value = '')
df_association = tables[2]
association = df_association[df_association[0].str.contains('Nature of association')].iloc[:, 1].item()
df.iloc[0,0] = association
print(df)
如果你想更确定地定位正确的表,那么引入 BeautifulSoup
和 :-soup-contains
来定位正确的表:
import pandas as pd
import requests
from bs4 import BeautifulSoup as bs
r = requests.get('https://filebin.redpill-linpro.com/zj2qqc27va5fatm0/index.html')
soup = bs(r.content, 'lxml')
df = pd.read_html(str(soup.select_one('table:-soup-contains("Sl.No.")')))[0]
df_donor = pd.read_html(str(soup.select_one('table:-soup-contains("Donor Name")')))[0]
df_association = pd.read_html(str(soup.select_one('table:-soup-contains("Association details")')))[0]
df_country = pd.read_html(str(soup.select_one('table:-soup-contains("Country Name")')))[0]
df = df.iloc[2:-1, :3]
df.columns = df.iloc[0, :]
df.drop(labels = 2, axis = 0, inplace = True)
df_donor = df_donor.iloc[:-2, :]
df_donor.columns = df_donor.iloc[0, :]
df_donor = df_donor.iloc[2:, :3]
df_country = df_country.iloc[:-1, :]
df_country.columns = df_country.iloc[0, :]
df_country = df_country.iloc[1:, :]
df.rename(columns = {'Sl.No.':'Sl.No'}, inplace = True)
df = pd.merge(df, df_donor, on = df.columns[0], how = 'left')
df = pd.merge(df, df_country, on = df.columns[0], how = 'left')
df = df.iloc[:, 1:]
df.insert(loc = 0, column= 'Nature of association', value = '')
association = df_association[df_association[0].str.contains('Nature of association')].iloc[:, 1].item()
df.iloc[0,0] = association
print(df)
然后您可以根据需要按列处理 NaN
,并使用 pandas.DataFrame.to_csv
方法写入 csv。
您当然可以单独使用 BeautifulSoup
来完成大部分工作,但是您需要检索 Sl.No
以便在连接时启用输出的行匹配结果(给定当前 css 选择器的不同数量的结果)。
如果删除列、行比子集更有效/更不有效,这可能值得研究。
关于python - 无法以自定义方式对输出进行分层,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67856475/
我正在使用 OUTFILE 命令,但由于权限问题和安全风险,我想将 shell 的输出转储到文件中,但出现了一些错误。我试过的 #This is a simple shell to connect t
我刚刚开始学习 Java,我想克服在尝试为这个“问题”创建 Java 程序时出现的障碍。这是我必须创建一个程序来解决的问题: Tandy 喜欢分发糖果,但只有 n 颗糖果。对于她给第 i 个糖果的人,
你好,我想知道我是否可以得到一些帮助来解决我在 C++ 中打印出 vector 内容的问题 我试图以特定顺序在一个或两个函数调用中输出一个类的所有变量。但是我在遍历 vector 时收到一个奇怪的错误
我正在将 intellij (2019.1.1) 用于 java gradle (5.4.1) 项目,并使用 lombok (1.18.6) 来自动生成代码。 Intellij 将生成的源放在 out
编辑:在与 guest271314 交流后,我意识到问题的措辞(在我的问题正文中)可能具有误导性。我保留了旧版本并更好地改写了新版本 背景: 从远程服务器获取 JSON 时,响应 header 包含一
我的问题可能有点令人困惑。我遇到的问题是我正在使用来自 Java 的 StoredProcedureCall 调用过程,例如: StoredProcedureCall call = new Store
在我使用的一些IDL中,我注意到在方法中标记返回值有2个约定-[in, out]和[out, retval]。 当存在多个返回值时,似乎使用了[in, out],例如: HRESULT MyMetho
当我查看 gar -h 的帮助输出时,它告诉我: [...] gar: supported targets: elf64-x86-64 elf32-i386 a.out-i386-linux [...
我想循环遍历一个列表,并以 HTML 格式打印其中的一部分,以代码格式打印其中的一部分。所以更准确地说:我想产生与这相同的输出 1 is a great number 2 is a great
我有下面的tekton管道,并尝试在Google Cloud上运行。集群角色绑定。集群角色。该服务帐户具有以下权限。。例外。不确定需要为服务帐户设置什么权限。
当尝试从 make 过滤非常长的输出以获取特定警告或错误消息时,第一个想法是这样的: $ make | grep -i 'warning: someone set up us the bomb' 然而
我正在创建一个抽象工具类,该类对另一组外部类(不受我控制)进行操作。外部类在某些接口(interface)点概念上相似,但访问它们相似属性的语法不同。它们还具有不同的语法来应用工具操作的结果。我创建了
这个问题已经有答案了: What do numbers starting with 0 mean in python? (9 个回答) 已关闭 7 年前。 在我的代码中使用按位与运算符 (&) 时,我
我写了这段代码来解析输入文件中的行输入格式:电影 ID 可以有多个条目,所以我们应该计算平均值输出:**没有重复(这是问题所在) import re f = open("ratings2.txt",
我需要处理超过 1000 万个光谱数据集。数据结构如下:大约有 1000 个 .fits(.fits 是某种数据存储格式)文件,每个文件包含大约 600-1000 个光谱,其中每个光谱中有大约 450
我编写了一个简单的 C 程序,它读取一个文件并生成一个包含每个单词及其出现频率的表格。 该程序有效,我已经能够在 Linux 上运行的终端中获得显示的输出,但是,我不确定如何获得生成的显示以生成包含词
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
1.普通的输出: print(str)#str是任意一个字符串,数字··· 2.格式化输出: ?
我无法让 logstash 正常工作。 Basic logstash Example作品。但后来我与 Advanced Pipeline Example 作斗争.也许这也可能是 Elasticsear
这是我想要做的: 我想让用户给我的程序一些声音数据(通过麦克风输入),然后保持 250 毫秒,然后通过扬声器输出。 我已经使用 Java Sound API 做到了这一点。问题是它有点慢。从发出声音到
我是一名优秀的程序员,十分优秀!