Question

我想从this site中删除以下三个数据点：已验证的％，FAR的数值以及POD的数值。我试图在BeautifulSoup中这样做，但我没有在网站遍历中练习，所以我无法描述这些元素的位置。

最简单的方法是做什么？

Answer 1

如果您还没有，请为Firefox安装Firebug并使用它来检查页面的html源。

使用urllib和BeautifulSoup的组合来处理html检索和解析。这是一个简短的例子：

import urllib
from BeautifulSoup import BeautifulSoup

url = 'http://mesonet.agron.iastate.edu/cow/?syear=2009&smonth=9&sday=12&shour=12&eyear=2012&emonth=9&eday=12&ehour=12&wfo=ABQ&wtype[]=TO&hail=1.00&lsrbuffer=15&ltype[]=T&wind=58'
fp = urllib.urlopen(url).read()
soup = BeautifulSoup(fp)

print soup

从这里开始，我提供的链接应该为您提供如何检索您感兴趣的元素的良好开端。

Answer 2

如同That1Guy所说，您需要分析源页面结构。在这种情况下，你很幸运...你正在寻找的数字是使用<span>以红色突出显示的。

这样做：

>>> import urllib2
>>> import lxml.html
>>> url = ... # put your URL here
>>> html = urllib2.urlopen(url)
>>> soup = lxml.html.soupparser.fromstring(html)
>>> elements = soup.xpath('//th/span')
>>> print float(elements[0].text) # FAR
0.67
>>> print float(elements[1].text) # POD
0.58

注意lxml.html.soupparser几乎等同于BeautifulSoup解析器（我目前无需提供）。

Answer 3

我最终解决了这个问题 - 我正在使用类似于isedev的策略，但我希望我能找到更好的方法来获取'已验证'数据：

import urllib2
from bs4 import BeautifulSoup

wfo = list()

def main():
    wfo = [i.strip() for i in open('C:\Python27\wfo.txt') if i[:-1]]
    soup = BeautifulSoup(urllib2.urlopen('http://mesonet.agron.iastate.edu/cow/?syear=2009&smonth=9&sday=12&shour=12&eyear=2012&emonth=9&eday=12&ehour=12&wfo=ABQ&wtype%5B%5D=TO&hail=1.00&lsrbuffer=15&ltype%5B%5D=T&wind=58').read())
    elements = soup.find_all("span")
    find_verify = soup.find_all('th')

    far= float(elements[1].text)
    pod= float(elements[2].text)
    verified = (find_verify[13].text[:-1])

在凌乱的网站上使用美丽的汤进行Python网页搜索

3 个答案: