从脚本HTML提取的脚本
问题描述:
我正在编写一个脚本来扫描一组链接。在每个链接中,脚本在表格中搜索一行。一旦找到,它会增加变量total_rank
,这是在每个网页上找到的总和。排名等于行号。从脚本HTML提取的脚本
的代码看起来是这样的,并输出零:
import requests
from bs4 import BeautifulSoup
import time
url_to_scrape = 'https://www.teamrankings.com/ncb/stats/'
r = requests.get(url_to_scrape)
soup = BeautifulSoup(r.text, "html.parser")
stat_links = []
for a in soup.select(".chooser-list ul"):
list_entry = a.findAll('li')
relative_link = list_entry[0].find('a')['href']
link = "https://www.teamrankings.com" + relative_link
stat_links.append(link)
total_rank = 0
for link in stat_links:
r = requests.get(link)
soup = BeautifulSoup(r.text, "html.parser")
team_rows = soup.select(".tr-table.datatable.scrollable.dataTable.no-footer table")
for row in team_rows:
if row.findAll('td')[1].text.strip() == 'Oklahoma':
rank = row.findAll('td')[0].text.strip()
total_rank = total_rank + rank
# time.sleep(1)
print total_rank
调试team_rows为空后select()
通话的是,我也尝试了不同的标签。例如,我已经试过soup.select(".scroll-wrapper div")
我已经试过所有soup.select("#DataTables_Table_0_wrapper div")
正在返回什么
答
的选择
".tr-table datatable scrollable dataTable no-footer tr"
选择一个<tr>
元素的任何地方<no-footer>
元素下<dataTable>
元素的任何地方....等。
我认为真的“数据表可滚动dataTable no-footer”是在您的.tr-table
?那么在那种情况下,他们应该和第一类人合并一段时间。所以我相信最终的正确选择是:
".tr-table.datatable.scrollable.dataTable.no-footer tr"
更新:新的选择看起来是这样的:
".tr-table.datatable.scrollable.dataTable.no-footer table"
这里的问题是,第一部分,.tr-table.datatable
...指表本身。假设你试图得到这个表的行:
<table class="tr-table datatable scrollable dataTable no-footer" id="DataTables_Table_0" role="grid">
适当的选择器仍然是我最初建议的选择器。
答
虽然建议的选择器不适合我,但@ audiodude的答案是正确的。
您不需要检查table
元素的每一个类。这里是工作的选择:
team_rows = soup.select("table.datatable tr")
另外,如果你需要找到Oklahoma
表里面 - 你不必在表中的每一行和单元的迭代。只需直接搜索特定的细胞,并获得先前包含等级:
rank = soup.find("td", {"data-sort": "Oklahoma"}).find_previous_sibling("td").get_text()
total_rank += int(rank) # it is important to convert the row number to int
另外请注意,你是不是你应该抽出更多的统计链接 - 看起来像玩家资料的链接,因为你不应该遵循专注于球队统计。这里有一种方法可以获得Team Stats链接:
links_list = soup.find("h2", text="Team Stats").find_next_sibling("ul")
stat_links = ["https://www.teamrankings.com" + a["href"]
for a in links_list.select("ul.expand-content li a[href]")]
我不认为'string = str(a)'是你想要的。它返回一个元素的文本表示。 – mic4ael
@ mic4ael我错了.get需要一个字符串作为输入?或者你在说什么? –