Question

我试图取消BBC足球赛结果网站，以获得球队，投篮，进球，卡片和事故。

我用Python编写脚本并使用Beautiful soup包。提供的代码仅检索事件中表的第一个条目。当事件表打印到屏幕时，完整的表将存在所有数据。

我正在抓取的表存储在事件中：

from bs4 import BeautifulSoup
import urllib2

url = 'http://www.bbc.co.uk/sport/football/result/partial/EFBO815155?teamview=false'
inner_page = urllib2.urlopen(url).read()
soupb = BeautifulSoup(inner_page, 'lxml')    

              for incidents in soupb.find_all('table', class_="incidents-table"):
               print incidents.prettify()
               home_inc_tag = incidents.find('td', class_='incident-player-home')
               home_inc = home_inc_tag and ''.join(home_inc_tag.stripped_strings)


               type_inc_tag = incidents.find('td', 'span', class_='incident-type goal')
               type_inc = type_inc_tag and ''.join(type_inc_tag.stripped_strings)

               time_inc_tag = incidents.find('td', class_='incident-time')
               time_inc = time_inc_tag and ''.join(time_inc_tag.stripped_strings)

               away_inc_tag = incidents.find('td', class_='incident-player-away')
               away_inc = away_inc_tag and ''.join(away_inc_tag.stripped_strings)

               print home_inc, time_inc, type_inc, away_inc

在我将正则表达式添加到URL中以获取所有匹配详细信息之前，我现在只关注一个匹配以获得正确（EFBO815155）。

因此，incidents for循环没有得到所有数据，只是表中的第一个条目。

在此先感谢，我是新的堆栈溢出，如果这篇文章有任何问题，格式化等请告诉我。谢谢！

Answer 1

首先，获取事件表：

  incidentsTable = soupb.find_all('table', class_='incidents-table')[0]

然后循环遍历所有＆＃39; tr＆＃39;该表中的标签。

  for incidents in incidentsTable.find_all('tr'):
           # your code as it is
           print incidents.prettify()
           home_inc_tag = incidents.find('td', class_='incident-player-home')
           home_inc = home_inc_tag and ''.join(home_inc_tag.stripped_strings)
           .
           .
           .

提供输出：

Bradford Park Avenue 1-2 Boston United
None None
 2' Goal J.Rollins
 36' None C.Piergianni
N.Turner 42' None 
 50' Goal D.Southwell
C.King 60' Goal

这接近你想要的。希望这有帮助！

python中的web抓取仅检索一个条目

1 个答案: