Question

我正在尝试使用Beautiful Soup和/或Selenium（没有pandas，lxml）在python 2.7中刮一张桌子。表中的特定列需要写入csv文件。我查看了大多数类似的问题（12548793，30734963, 33448974，32434378等等，但到目前为止，对我来说没有任何问题。显然，这是我第一次尝试刮掉任何东西，所以我甚至不假装我理解我正在做的一半。
下面的代码有点作用：

import urllib2
import bs4
from bs4 import BeautifulSoup
import csv

url = "http://data.dnr.nebraska.gov/RealTime/Gage/Index?StationSource=1&StationType=3&RiverBasin=" 

page = urllib2.urlopen(url).read()
soup = BeautifulSoup(page, "html.parser")

#get table headers for the columns of interest
#Data of interest:['Station_Name', 'Station_number', 'Date_time', 'Stage', 'Discharge'])

table1 = soup.find("table", id="StationNames")
ths = table1.findAll('th')
headers = (ths[0].text, ths[1].text, ths[2].text, ths[3].text, ths[4].text)

#print headers
#get measurements
table = soup.find_all('table', {"class":"btn-NDNR BlueUnderline"})
for tr in soup.find_all('tr')[2:]:
    tds = tr.find_all('td')
    ncontent =(tds[0].text, tds[1].text, tds[2].text, tds[3].text, tds[4].text)
    #print ncontent
#write the csv file

with open('E:/test/nebraska.csv', 'a') as csvfile:
        writer = csv.writer(csvfile)
        writer.writerow(headers)
        writer.writerow(ncontent)
        #writer.writerow([value.get_text(strip=True).encode("utf-8") for value in ncontent])

除了csv表是空的，当我打印时，这就是我得到的：

 (u'\r\n                                Station Name\r\n                            ', u'\r\n                                Station Number\r\n                            ', u'\r\n                                Date Time (UTC)\r\n                            ', u'\r\n                                Stage\r\n                            ', u'\r\n                                Discharge\r\n                            ')
    (u'\nBig Blue River at Beatrice - NDNR ', u'\r\n                                            6881500\r\n                                        ', u'\r\n                                            01/05/2016 14:45 \r\n                                        ', u'\r\n                                            4.27\r\n                                        ', u'\r\n                                            524.62\r\n                                        ')

此外，还有更有效，更快捷的方法吗？提前谢谢 - 非常感谢任何帮助。

Answer 1

有几个错误：

您需要删除所有文字。例如，tds[0].text.strip()
您只需写下表格的最后一行。在循环期间重写了ncontent变量。

修复错误，你会很高兴。

使用漂亮的汤来抓取js生成的表时出错

1 个答案: