Question

index_cd = 'KPI200'
page_n = 1
naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code' + index_cd + '&page=' + str(page_n)

from urllib.request import urlopen
source = urlopen(naver_index).read()
import bs4
source = bs4.BeautifulSoup(source, 'lxml')
td = source.find_all('td')
len(td)
# /html/body/div/table[1]/tbody/tr[3]/td[1]  # this is XPath
source.find_all('table')[0].find_all('tr')[2].find_all('td')[0]

我认为输出将是这样的：<td class="date">2020.09.29</td>

但是结果是：<td class="date"> </td>

'\xa0'和<td class="date"之间有一个</td>。

我需要提取那个日期。如何解决这种情况？

Answer 1

问题在于您提供的cloudList += tempList.filter{ localObject -> cloudList.all{ it.id != localObject.id } }。您在url之后错过了=。

将code更改为naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code' + index_cd + '&page=' + str(page_n)

这是工作代码：

naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code=' + index_cd + '&page=' + str(page_n)

输出：

index_cd = 'KPI200'
page_n = 1
naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code=' + index_cd + '&page=' + str(page_n)

from urllib.request import urlopen
source = urlopen(naver_index).read()
import bs4
source = bs4.BeautifulSoup(source, 'lxml')
td = source.find_all('td')
len(td)
# /html/body/div/table[1]/tbody/tr[3]/td[1]  # this is XPath
print(source.find_all('table')[0].find_all('tr')[2].find_all('td')[0])

如果您只希望显示日期，则将最后一行更改为：

<td class="date">2020.09.29</td>

输出：

print(source.find_all('table')[0].find_all('tr')[2].find_all('td')[0].text)

希望对您有帮助！

尝试抓取页面，但缺少

1 个答案: