BeautifulSoup kullanarak belirli bir tablodaki tüm satırları nasıl alırsınız?

Web'den veri kazımak ve bir HTML tablosu okumak için Python ve BeautifulSoup'ı öğreniyorum. Bunu Open Office'e okuyabilirim ve Tablo # 11 olduğunu söylüyor.BeautifulSoup kullanarak belirli bir tablodaki tüm satırları nasıl alırsınız?

Bu, BeautifulSoup'un tercih edilen bir seçim gibi gözüküyor, ancak herkes belirli bir tabloyu ve tüm satırları nasıl ele geçirebileceğimi söyleyebilir mi? Modül belgelerine baktım ama başım ağrıyor. Çevrimiçi bulduğum çoğu örnek, ihtiyacım olandan fazlasını yapıyor.

kaynak

2010-01-06 Btibert3

BeautifulSoup ile ayrıştırılacak bir HTML dosyanız varsa, bu oldukça basit olmalıdır. Genel fikir, findChildren yöntemini kullanarak tablonuza gitmek, daha sonra string özelliği ile hücrenin içindeki metin değerini alabilirsiniz.

>>> from BeautifulSoup import BeautifulSoup 
>>> 
>>> html = """ 
... <html> 
... <body> 
...  <table> 
...   <th><td>column 1</td><td>column 2</td></th> 
...   <tr><td>value 1</td><td>value 2</td></tr> 
...  </table> 
... </body> 
... </html> 
... """ 
>>> 
>>> soup = BeautifulSoup(html) 
>>> tables = soup.findChildren('table') 
>>> 
>>> # This will get the first (and only) table. Your page may have more. 
>>> my_table = tables[0] 
>>> 
>>> # You can find children with multiple tags by passing a list of strings 
>>> rows = my_table.findChildren(['th', 'tr']) 
>>> 
>>> for row in rows: 
...  cells = row.findChildren('td') 
...  for cell in cells: 
...   value = cell.string 
...   print "The value in this cell is %s" % value 
... 
The value in this cell is column 1 
The value in this cell is column 2 
The value in this cell is value 1 
The value in this cell is value 2 
>>>

kaynak

2010-01-06 02:03:25

Bu hile oldu! Kod çalıştı ve gerektiğinde değiştirebilmeliydim. Çok teşekkürler. Son bir soru. Çocuklar için tabloyu aradığınızda yukarıdaki kodu takip edebilirim. Bu sadece masamı mı arıyor ve hem tablo başlığını hem de tablo satırlarını döndürüyor mu? Sadece tablo satırlarını istediysem, sadece sadece tr'i arayabilirim? tekrar çok teşekkürler! – Btibert3

Evet, '.findChildren (['th', 'tr'])' 'th' veya' tr' etiket türüne sahip öğeleri arıyor. Eğer sadece 'tr 'elemanlarını bulmak istiyorsanız' .findChildren (' tr ') '(bir liste değil, sadece dize) not –

[PyQuery] (https://pythonhosted.org /pyquery/api.html), BeautifulSoup'a gerçekten çok güzel bir alternatif. –

BeautifulSoup kullanarak belirli bir tablodaki tüm satırları nasıl alırsınız?

cevap

İlgili konular