BeautifulSoup HTML तालिका पार्स

मैं इस साइट से जानकारी (एचटीएमएल टेबल) पार्स करने के लिए कोशिश कर रहा हूँ: http://www.511virginia.org/RoadConditions.aspx?j=All&r=1 BeautifulSoup HTML तालिका पार्स

वर्तमान में मैं BeautifulSoup उपयोग कर रहा हूँ और मैं इस कोड

from mechanize import Browser 
from BeautifulSoup import BeautifulSoup 

mech = Browser() 

url = "http://www.511virginia.org/RoadConditions.aspx?j=All&r=1" 
page = mech.open(url) 

html = page.read() 
soup = BeautifulSoup(html) 

table = soup.find("table") 

rows = table.findAll('tr')[3] 

cols = rows.findAll('td') 

roadtype = cols[0].string 
start = cols.[1].string 
end = cols[2].string 
condition = cols[3].string 
reason = cols[4].string 
update = cols[5].string 

entry = (roadtype, start, end, condition, reason, update) 

print entry

मुद्दे के साथ है की तरह दिखता है प्रारंभ और अंत कॉलम। वे सिर्फ "कोई नहीं" के रूप में मुद्रित करने के

आउटपुट:

(u'Rt. 613N (Giles County)', None, None, u'Moderate', u'snow or ice', u'01/13/2010 10:50 AM')

मुझे पता है कि वे कॉलम सूची में संग्रहीत है, लेकिन यह है कि अतिरिक्त लिंक टैग मूल html देख के साथ पार्स अप खिलवाड़ कर रहा है लगता है

<td headers="road-type" class="ConditionsCellText">Rt. 613N (Giles County)</td> 
<td headers="start" class="ConditionsCellText"><a href="conditions.aspx?lat=37.43036753&long=-80.51118005#viewmap">Big Stony Ck Rd; Rt. 635E/W (Giles County)</a></td> 
<td headers="end" class="ConditionsCellText"><a href="conditions.aspx?lat=37.43036753&long=-80.51118005#viewmap">Cabin Ln; Rocky Mount Rd; Rt. 721E/W (Giles County)</a></td> 
<td headers="condition" class="ConditionsCellText">Moderate</td> 
<td headers="reason" class="ConditionsCellText">snow or ice</td> 
<td headers="update" class="ConditionsCellText">01/13/2010 10:50 AM</td>

तो क्या मुद्रित किया जाना चाहिए है:

(u'Rt. 613N (Giles County)', u'Big Stony Ck Rd; Rt. 635E/W (Giles County)', u'Cabin Ln; Rocky Mount Rd; Rt. 721E/W (Giles County)', u'Moderate', u'snow or ice', u'01/13/2010 10:50 AM')

किसी भी suggesti इस तरह ऑन या सहायता की सराहना की जाती है, और अग्रिम में धन्यवाद।

स्रोत

2010-01-13 Stephen Tanner

आपको धन्यवाद –

आपको इसके लिए सुंदर सूप का उपयोग करने की आवश्यकता नहीं है। आप python3 htmlparser का उपयोग कर सकते हैं: https://github.com/schmijos/html-table-parser-python3/blob/master/html_table_parser/parser.py – schmijos

start = cols[1].find('a').string

या सरल

start = cols[1].a.string

या बेहतर

start = str(cols[1].find(text=True))

और

entry = [str(x) for x in cols.findAll(text=True)]

स्रोत

2010-01-13 18:56:45

मैं str (cols ...) विधि के साथ गया था। धन्यवाद। –

+21

आपका स्वागत है) यदि आप इसे उपयोगी मानते हैं तो यह अच्छा होगा अगर आपको यह उपयोगी लगता है –

मैं सहमत हूं, @Stephon Tanner pls वापस लौटाता है और इसे उत्तर के रूप में स्वीकार करता है – Neil

मैं अपने त्रुटि पुन: पेश करने की कोशिश कर रहा था, लेकिन स्रोत html पृष्ठ बदल गया था।

त्रुटि के बारे में, मैं एक ऐसी ही समस्या थी, उदाहरण के पुन: पेश करने है here

a Wikipedia Table

के लिए प्रस्तावित URL को बदलने की कोशिश कर रहा मैं इसे BeautifulSoup4

को

from bs4 import BeautifulSoup

चलती और बदलते तय .string.get_text()

start = cols[1].get_text()

मैं आपके उदाहरण के साथ परीक्षण नहीं कर सका (जैसा कि मैंने पहले कहा था, मैं त्रुटि को पुन: उत्पन्न नहीं कर सका) लेकिन मुझे लगता है कि यह उपयोगी हो सकता है क्योंकि लोग इस समस्या का हल ढूंढ रहे हैं।

स्रोत

2014-01-18 14:05:57 evinhas

BeautifulSoup HTML तालिका पार्स

उत्तर

संबंधित मुद्दे