Question

我想通过这样的网页解析并只收集初学者的名字：

http://espn.go.com/nba/boxscore?gameId=400827888

我的脚本抓住了页面上的所有名字，但我不能区分底部球队的首发球员（在这种情况下是亚特兰大）何时开始以及球队的替补球员在哪里（在这种情况下是底特律）结束。真正的问题是，顶级球队在他们列出的名单上可以有11-15个人，所以我不能按照我的理解分成一个数字。

正如所写的那样，这给了我活塞的前10个名字 - 不是前五个活塞，前五个是老鹰队。我认为一种策略依赖于徽标，但考虑到它们在HTML中的编码方式，这似乎非常棘手。

def parse_boxscore(url):
    """Gathers names of starters from both teams, stores in list"""
    soup = make_soup(url)
    starters = [td for td in soup.findAll("td", "name")]
    return starters[0:5], starters[6:11]

有人能想到一致的策略吗？我不是非常精通技术，所以我会牺牲相对效率来简化（我知道，我知道）......

Answer 1

如果您想要的只是初学者，那么它非常简单，只需在 div.content.hide-bench 中拉出第一个tbody，然后从 td.name <中提取文本< / em>标签：

import requests from bs4 import BeautifulSoup teams = {} page = requests.get('http://espn.go.com/nba/boxscore?gameId=400827888') soup = BeautifulSoup(page.content) for table in soup.select("div.content.hide-bench"): team = table.select_one("div.table-caption").find(text=True) teams[team] = [tr.select_one("td.name").text for tr in table.find("tbody").find_all("tr")] from pprint import pprint as pp pp(teams)

这给了你：

{'Hawks': ['P. MillsapPF', 'K. BazemoreSF', 'A. HorfordC', 'J. TeaguePG', 'K. KorverSG'], 'Pistons': ['M. MorrisPF', 'E. IlyasovaPF', 'A. DrummondC', 'R. JacksonPG', 'K. Caldwell-PopeSG']}

Answer 2

如果您使用熊猫而不是漂亮的汤，它将分别解析表格。它只能得到首发球员，而不是替补球员，所以希望这不是一个问题。

<?xml version="1.0" encoding="utf-8"?>
<RadioButton xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:buttonTint="@color/colorPrimary"
    android:text="">

</RadioButton>

用于分割数据的美丽汤策略

2 个答案: