在一组表格下选择一组特定的单元格，使用python和漂亮汤
在一组表格下选择一组特定的单元格，使用python和漂亮汤
提问于 2015-04-09 05:24:07
- 考虑有N个网页。
- 每个网页都有一个或多个表。表的共同点是它们的类是相同的，考虑到"table_class."
- We需要同一列下的内容第三列，标题是每个table.
- Contents的标题意思，第三列中的href链接来自所有行。
- 一些行可能只是纯文本，而有些行可能有href链接。
- 您应该将每个href链接逐个打印在单独的行中。使用属性进行筛选的
- 无效，因为某些标记具有不同的属性。单元格的位置是唯一可用的提示。
你如何对此进行编码？
考虑以下两个web页面的链接：
http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2014 http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2013
考虑下表: wikitable
必填内容:列标题的href链接
我在一个页面上尝试过的代码：
from urllib.request import urlopen
from bs4 import BeautifulSoup, SoupStrainer
content = urlopen("http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2015").read()
filter_tag = SoupStrainer("table", {"class":"wikitable"})
soup = BeautifulSoup(content, parse_only=filter_tag)
for sp in soup.find_all('tr'):
for bt in sp.find_all('td'):
for link in bt.find_all('a'):
print(link.get("href"))
print()回答 1
Stack Overflow用户
回答已采纳
发布于 2015-04-09 05:34:19
其思想是使用wikitable类遍历每个table；对于每个table，直接在i标记中查找链接，直接在td中查找链接，在tr中查找链接
import requests
from bs4 import BeautifulSoup
url = "http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2014"
soup = BeautifulSoup(requests.get(url).content)
# iterate over tables
for table in soup.select('table.wikitable.sortable'):
# get the table header/description, continue if not found
h3 = table.find_previous_sibling('h3')
if h3 is None:
continue
print h3.text
# get the links
for link in table.select('tr > td > i > a'):
print link.text, "|", link.get('href', '')
print "------"打印(为了清晰起见，还要打印表格名称)：
January 2014–june 2014[edit]
Celebrity | /wiki/Celebrity
Kshatriya | /wiki/Kshatriya
1: Nenokkadine | /wiki/1:_Nenokkadine
...
Oohalu Gusagusalade | /wiki/Oohalu_Gusagusalade
Autonagar Surya | /wiki/Autonagar_Surya
------
July 2014 – December 2014[edit]
...
O Manishi Katha | /wiki/O_Manishi_Katha
Mukunda | /wiki/Mukunda
Chinnadana Nee Kosam | /wiki/Chinnadana_Nee_Kosam
------页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/29525613
复制相关文章
相似问题