Question

大家好，所以我试图从中央情报局网站上搜集表格，根据未铺砌和铺砌的道路显示不同国家道路上的数据。我写了这个脚本来提取。其次，我试图将第二列中的信息解析为单独的字段，但我不知道该怎么做。之后，我想保存到CSV文件中，其中包含每列和数据的标题。

这是我的代码：

import csv
import requests 
from bs4 import BeautifulSoup

course_list = []
url = "https://www.cia.gov/library/publications/the-world-factbook/fields/print_2085.html"
r = requests.get(url)
soup=BeautifulSoup(r.content)


for tr in soup.find_all('tr')[1:]:
          tds=tr.find_all('td')
          print (tds[1].text)

第二栏有三部分信息，我想解析我该怎么做？

谢谢！

Answer 1

根据您希望如何实现提取，您可以执行以下操作：

roadways = tds[1].text.strip().split('\n')

这将从第二列的内容开始和结尾删除一些空格，并用换行符分隔它。结果将是这样的列表：

['total: 97,267 km', 'paved: 18,481 km', 'unpaved: 78,786 km (2002)']

从这里，您可以从内容中删除total或paved等标签：

roadways = [x[x.index(':')+1:].strip() for x in tds[1].text.strip().split('\n')]

这会产生以下列表：

['97,267 km', '18,481 km', '78,786 km (2002)']

这可以存储在您的CSV文件中：

export_file = open(..., 'w')
wr = csv.writer(export_file, quoting=csv.QUOTE_ALL)
wr.writerow(['total','paved','unpaved'])

这适用于您提取的每一行：

wr.writerow(roadways)

使用美丽的汤和蟒蛇刮痧和解析数据表

1 个答案: