我正在尝试从网页中提取表中的数据,但仍然收到上述错误。我查看了本网站上的示例以及其他示例,但没有一个直接处理我的问题。请参阅以下代码:
from bs4 import BeautifulSoup
import requests
import pandas as pd
url = 'http://www.espn.com/nhl/statistics/player/_/stat/points/sort/points/year/2015/seasontype/2'
r = requests.get(url)
data = r.text
soup = BeautifulSoup(data, "lxml")
table = soup.find_all('table', class_='dataframe')
rows = table.find_all('tr')[2:]
data = {
'RK' : [],
'PLAYER' : [],
'TEAM' : [],
'GP' : [],
'G' : [],
'A' : [],
'PTS' : [],
'+/-' : [],
'PIM' : [],
'PTS/G' : [],
'SOG' : [],
'PCT' : [],
'GWG' : [],
'G1' : [],
'A1' : [],
'G2' : [],
'A2' : []
}
for row in rows:
cols = row.find_all('td')
data['RK'].append( cols[0].get_text() )
data['PLAYER'].append( cols[1].get_text() )
data['TEAM'].append( cols[2].get_text() )
data['GP'].append( cols[3].get_text() )
data['G'].append( cols[4].get_text() )
data['A'].append( cols[5].get_text() )
data['PTS'].append( cols[6].get_text() )
data['+/-'].append( cols[7].get_text() )
data['PIM'].append( cols[8].get_text() )
data['PTS/G'].append( cols[9].get_text() )
data['SOG'].append( cols[10].get_text() )
data['PCT'].append( cols[11].get_text() )
data['GWG'].append( cols[12].get_text() )
data['G1'].append( cols[13].get_text() )
data['A1'].append( cols[14].get_text() )
data['G2'].append( cols[15].get_text() )
data['A2'].append( cols[16].get_text() )
df = pd.DataFrame(data)
df.to_csv("NHL_Players_Stats.csv")
我已经根除错误,通过查看错误是指向表(即Resultset)没有方法find_all并通过注释掉以下行来运行代码:
#rows = table.find_all('tr')[2:]
并改变这个:
for row in rows:
然而,这不会从网页中提取任何数据,只是创建一个带有列标题的.csv文件。
我尝试使用soup.find_all将一些数据直接提取到行中,但是得到以下错误;
data['GP'].append( cols[3].get_text() )
IndexError: list index out of range
我无法解决。
因此,非常感谢任何帮助。
另外,出于好奇,有没有办法通过以下方式实现预期的结果:
dataframe = pd.read_html('url')
因为,我也试过这个,但要继续保持:
FeatureNotFound: Couldn't find a tree builder with the features you
requested: html5lib. Do you need to install a parser library?
理想情况下,这是我更喜欢的方法,但无法在线找到任何示例。
答案 0 :(得分:0)
find_all
返回ResultSet
,它基本上是一个元素列表。因此,它没有方法find_all
,因为这是一个属于单个元素的方法。
如果您只想要一个表格,请使用find
代替find_all
来查找。
table = soup.find('table', class_='dataframe')
然后,获取它的行应该像你已经完成的那样工作:
rows = table.find_all('tr')[2:]
你得到的第二个错误是因为,由于某种原因,表中的一行似乎只有3个单元格,因此你的cols
变量变成了一个只包含索引0,1和2的列表那就是为什么cols[3]
会给你一个IndexError
。
答案 1 :(得分:0)
在使用以下方面实现相同结果方面: dataframe = pd.read_html('url')
只使用那个或类似的东西来实现: dataframe = pd.read_html(url,header = 1,index_col = None)
之前我收到错误的原因是因为我没有在“偏好设置”中将Spyder的iPython控制台的后端配置为“自动”。
然而,我仍然试图使用BeautifulSoup来解决这个问题。所以任何有用的评论都会受到赞赏。