对表的内容进行Web垃圾处理

Question

嗨，我正在尝试使用Python和美丽的汤刮网页。网页中有各种表格，其中有我想要的结果，但我很难： 1） 找到合适的桌子 2） 找到正确的两个单元格 3） 将单元格1和单元格2分别写入字典键和值中。你知道吗

到目前为止，在发出请求并解析HTML之后，我使用：

URL='someurl.com'

def datascrape(url):
    page=requests.get(url)
    print ("requesting page")
    soup = BeautifulSoup(page.content, "html.parser")
    return(soup)

soup=datascrape(URL)

results = {}
for row in soup.findAll('tr'):
    aux = row.findAll('td')
    try:
        if "Status" in (aux.stripped_strings):
            key=(aux[0].strings)
            value=(aux[1].string)
            results[key] = value
    except:
        pass
print (results)

不幸的是，“结果”总是空的。我真的不知道我哪里出错了。有谁能开导我一下吗？你知道吗

Answer 1

我不知道你为什么要用findAll（）而不是find_all（），因为我对网页抓取还比较陌生，但是我认为这会给你带来你想要的结果。你知道吗

URL='http://sitem.herts.ac.uk/aeru/bpdb/Reports/2070.html'
def datascrape(url):
    page=requests.get(url)
    print ("requesting page")
    soup = BeautifulSoup(page.content,     
"html.parser")
    return(soup)

soup=datascrape(URL)

results = {}
table_rows = soup.find_all('tr')
for tr in table_rows:
    td = tr.find_all('td')
    row = [i.text for i in td]
    try:
        for i in row:
            if "Status" in i:
                key=(row[0].strip())
                value=(row[1].strip())
                results[key] = value
    else:
        pass
print(results)

希望这有帮助！你知道吗

Answer 2

如果只是在状态和不适用之后，可以使用位置n类型的css选择器。这取决于页面的位置是否相同。你知道吗

import requests
from bs4 import BeautifulSoup

url ='https://sitem.herts.ac.uk/aeru/bpdb/Reports/2070.htm'
page=requests.get(url)
soup = BeautifulSoup(page.content, "lxml")
tdCells = [item.text.strip() for item in soup.select('table:nth-of-type(2) tr:nth-of-type(1) td')]
results = {tdCells[0] : tdCells[1]}
print(results)