- 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?
我试图从出现在 webpage 上的表格中提取一些信息。 .我能够根据需要提取所有数据,但卡在抓取里面的 pdf 链接上。
这是我的源代码:
这是我目前工作的代码:
import pandas as pd
import requests
from bs4 import BeautifulSoup
hdr={'User-Agent':'Chrome/84.0.4147.135'}
dfs=[]
for page_number in range(0,10):
http= "https://example.com/portal/ap_list_all.php?sPage={}".format(page_number)
print('Downloading page %s...' % http)
url= requests.get(http,headers=hdr)
soup = BeautifulSoup(url.text, 'html.parser')
table = soup.find('table')
df_list= pd.read_html(url.text)
df = pd.concat(df_list)
df['Link'] = [link.get('href') for link in table.find_all('a')]
dfs.append(df)
final_df = pd.concat(dfs)
final_df.to_csv('myscraper.csv',index=False,encoding='utf-8-sig')
但是,这就是我得到的:
最佳答案
您可以使用此示例如何将数据抓取到 Pandas 的数据框中并将其保存到 CSV 文件中:
import requests
import pandas as pd
from bs4 import BeautifulSoup
url = "https://ejudgment.kehakiman.gov.my/portal/ap_list_all.php?sPage={page}&sRecordsPerPage=20&sSortField=aph_ap_date&sSortOrder=DESC"
data = []
for page in range(0, 10):
print("Getting page {}..".format(page))
soup = BeautifulSoup(
requests.get(url.format(page=page)).content, "html.parser"
)
headers = [
h.get_text(strip=True)
for h in soup.select("thead tr#trchk2 td, thead tr#trchk2 th")
]
for row in soup.select('tbody tr[id^="trchk"]'):
dic = {}
for h, d in zip(headers, row.select("td")):
dic[h] = d.get_text(strip=True, separator="\n")
dic["Link"] = "https:" + row.find("a", target="_blank")["href"]
data.append(dic)
df = pd.DataFrame(data)
print(df)
df.to_csv("data.csv", index=False)
打印:
# Nombor Kes Pihak Kata Kunci Tarikh Alasan Penghakiman Hakim / Majistret Dokumen Link
0 1. WA-42(R)(A)-4-11/2018; WA-42R-13-11/2018; WA-4... PERAYU : \r\n\t\t1. MOHD ARIF BIN AB RAHMAN\n... Appellants found guilty of corruption in Sessi... 28/04/2021 YA DATUK ASLAM ZAINUDDIN Alasan Penghakiman\n1)\n28042021 judgment case... https://ejudgment.kehakiman.gov.my/ks_builtin/...
1 1. JA-22C-3-02/2020 PLAINTIF : \r\n\t\tYPJ PLANTATIONS SDN BHD\n(... Civil procedure - Application to set aside JID... 28/04/2021 YA PUAN EVROL MARIETTE PETERS Alasan Penghakiman\n1)\nja-22c-3-02-2020 (ypj ... https://ejudgment.kehakiman.gov.my/ks_builtin/...
2 1. W-02(C)(A)-163-01/2020 PERAYU : \r\n\t\tAHMAD ZAKI SDN BHD\n(COMPANY... Ahmad Zaki 27/04/2021 YA DATO' ABU BAKAR BIN JAIS\nKorum:\nYA DATO' ... Alasan Penghakiman\n1)\nahmad zaki sdn bhd.pdf https://ejudgment.kehakiman.gov.my/ks_builtin/...
3 1. WA-45B-24-01/2018 PENDAKWARAYA : \r\n\t\tPN. ZAHIDA BINTI ZAKAR... GROUND 26/04/2021 YA TUAN COLLIN LAWRENCE SEQUERAH Alasan Penghakiman\n1)\npp v muhammad khairuan... https://ejudgment.kehakiman.gov.my/ks_builtin/...
4 1. 62-01-02/2019 PENDAKWARAYA : \r\n\t\tPENDAKWARAYA\nTERTUDUH... -seksyen 326 Kanun Keseksaan- cedera parah- kr... 26/04/2021 TN MUSYIRI BIN PEET Alasan Penghakiman\n1)\nalasan penghakiman thu... https://ejudgment.kehakiman.gov.my/ks_builtin/...
5 1. JA-25-40-12/2020 PEMOHON : \r\n\t\tKIND ACTION (M) SDN BHD\n(N... Leave for judicial review - granted 25/04/2021 YA DATO' FREDRICK INDRAN X.A. NICHOLAS Alasan Penghakiman\n1)\nmtjbs2-ja-25-40-12-202... https://ejudgment.kehakiman.gov.my/ks_builtin/...
6 1. WA-22NCC-618-12/2020 PLAINTIF : \r\n\t\tTAN MAN HIN (NRIC NO.55082... Summary Judgment application dismissed - wheth... 24/04/2021 YA TUAN ONG CHEE KWAN Alasan Penghakiman\n1)\nwa-22ncc-618-12-2020 t... https://ejudgment.kehakiman.gov.my/ks_builtin/...
7 1. WA-22NCC-167-04/2020 PLAINTIF : \r\n\t\tSMEB ASSET MANAGEMENT SDN.... O.14 23/04/2021 YA TUAN WAN MUHAMMAD AMIN BIN WAN YAHYA Alasan Penghakiman\n1)\njudgment [sgd] (smeb) ... https://ejudgment.kehakiman.gov.my/ks_builtin/...
8 1. WA-22NCC-401-08/2020 PLAINTIF : \r\n\t\tKHEE SAN BERHAD & 1 LAG... - 22/04/2021 YA PUAN LIZA CHAN SOW KENG Alasan Penghakiman\n1)\nkhee san dan 1 lagi v ... https://ejudgment.kehakiman.gov.my/ks_builtin/...
9 1. BA-12B-24-02/2020 PERAYU : \r\n\t\tLETCHUMY A/P KRISHNAN\nRESPO... Letchumy v. Khairil Azraf 22/04/2021 TN TEE GEOK HOCK Alasan Penghakiman\n1)\ngoj - [final] khairil ... https://ejudgment.kehakiman.gov.my/ks_builtin/...
10 1. BA-12B-92-06/2019 PERAYU : \r\n\t\tKHAIRIL AZRAF BIN MOHD SEDEK... Khairil Azraf v Letchumy 22/04/2021 TN TEE GEOK HOCK Alasan Penghakiman\n1)\ngoj - [final] khairil ... https://ejudgment.kehakiman.gov.my/ks_builtin/...
11 1. JA-41(ORS)-2-11/2020 PERAYU : \r\n\t\tMUHAMMAD BIN JAAFAR\nRESPOND... Seksyen 413 Kanun Tatacara Jenayah 22/04/2021 YA DR. SHAHNAZ BINTI SULAIMAN Alasan Penghakiman\n1)\nmuhammad bin jaafar.pdf https://ejudgment.kehakiman.gov.my/ks_builtin/...
...
并保存
data.csv
(来自 LibreOffice 的截图):
关于python - 抓取带有非结构化数据的 href 链接的表格,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67303737/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!