如何在网上搜刮所有的击球手的名字？

Question

我想把2018年的大联盟击球手数据都凑齐。以下是我目前的代码：

#import modules

from urllib.request import urlopen
from lxml import html

#fetch url/html

response = urlopen("https://www.baseball-reference.com/leagues/MLB/2018-standard-batting.shtml")
content = response.read()
tree = html.fromstring( content )

#parse data

comment_html = tree.xpath('//comment()[contains(., "players_standard_batting")]')[0]
comment_html = str(comment_html).replace("-->", "")
comment_html = comment_html.replace("<!--", "")
tree = html.fromstring( comment_html )
for batter_row in tree.xpath('//table[@id="players_standard_batting"]/tbody/tr[contains(@class, "full_table")]'):
    csk = batter_row.xpath('./td[@data-stat="player"]/@csk')[0]

当我刮掉所有的面糊，有0.01附加到每个名字。我尝试使用以下代码删除附加号码：

bat_data = [csk]
string = '0.01'
result = []

for x in bat_data :
    if string in x:
        substring = x.replace(string,'')
        if substring != "":
            result.append(substring)
    else:
        result.append(x)
print(result)

此代码删除了号码，但只打印了姓氏：

输出：

['Zunino, Mike']

此外，名称周围还有一个括号和引号。名字的顺序也是相反的。你知道吗

1）如何打印所有击球手的名字？你知道吗

2）如何删除引号和方括号？你知道吗

3）我能把名字的顺序颠倒过来吗？这样名字就可以打印出来，然后再打印姓？你知道吗

我希望最后的结果是所有的击球手都是这样的：迈克·祖尼诺。你知道吗

我是这个网站的新手。。。我也是新的刮/编码，将非常感谢任何帮助我可以得到！=）

Answer 1

1）打印所有击球手姓名

print(result)

这将打印结果对象中的所有内容。如果它没有打印出你所期望的内容，那么就有别的问题发生了。你知道吗

2）删除引号 括号是因为它是数组对象。试试这个。。。你知道吗

print(result[0])

这将告诉解释器在0索引处打印结果。你知道吗

3）姓名的倒序

试试看

name = result[0].split(“ “).reverse()[::-1]

Answer 2

你可以用不同的方法做同样的事情。这里有一个这样的方法，它不需要后期处理。你得到你想要的名字：

from urllib.request import urlopen
from lxml.html import fromstring

url = "https://www.baseball-reference.com/leagues/MLB/2018-standard-batting.shtml"

content = str(urlopen(url).read())
comment = content.replace(" >","").replace("<! ","")
tree = fromstring(comment)
for batter_row in tree.xpath('//table[contains(@class,"stats_table")]//tr[contains(@class,"full_table")]'):
    csk = batter_row.xpath('.//td[@data-stat="player"]/a')[0].text
    print(csk)

输出结果如下：

Jose Abreu
Ronald Acuna
Jason Adam
Willy Adames
Austin L. Adams

Answer 3

你只得到最后一个击球手，因为你在第一个循环中每次都会覆盖csk的值。首先初始化空列表bat\ U数据，然后将每个BATT添加到其中。你知道吗

bat_data= []
for batter_row in blah:
    csk = blah
    bat_data.append(csk)

这会给你一个所有击球手的列表，['Abreu,Jose0.01', 'Acuna,Ronald0.01', 'Adam,Jason0.01', ...]

然后循环浏览这个列表，但不必检查名称中是否有string。只需执行x.replace('0.01', '')，然后检查字符串是否为空。你知道吗

颠倒名字的顺序

substring = substring.split(',')
substring.reverse()
nn = " ".join(substring)

然后将nn附加到结果。你知道吗

你得到的是引号和括号，因为你正在打印列表。而是遍历列表并打印每个项目。你知道吗

您的代码被编辑，假设您正确获得了bat_数据：

for x in bat_data :
    substring = x.replace(string,'')
    if substring != "":
        substring = substring.split(',')
        substring.reverse()
        substring = ' '.join(substring)
        result.append(substring)

for x in result:
    print(x)