select 使用 python 和 beautifulsoup 的一组表格下的一组特定单元格

Question

假设有 N 个网页。
每个网页都有一个或多个table。 table 的共同点是它们的 class 相同，请考虑 "table_class."
我们需要每个table.
内容含义，所有行中第三列的 href links。
有些行可能只是纯文本，有些行可能包含 href link。
您应该在单独的一行中打印每个 href link，一个接一个。
使用属性过滤无效，因为某些标签具有不同的属性。单元格的位置是唯一可用的提示。

如何编码？

考虑网页的这两个 link：

http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2014 http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2013

考虑 table: wikitable

必填内容：标题

列的 href links

我为一页尝试的代码：

from urllib.request import urlopen
from bs4 import BeautifulSoup, SoupStrainer


content = urlopen("http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2015").read()  
filter_tag = SoupStrainer("table", {"class":"wikitable"})
soup = BeautifulSoup(content, parse_only=filter_tag)

for sp in soup.find_all('tr'):
    for bt in sp.find_all('td'):
        for link in bt.find_all('a'):
            print(link.get("href"))
    print()

Answer 1

这个想法是用 wikitable class 遍历每个 table；对于每个 table 直接在 i 标签内直接在 td 内直接在 tr 内找到链接：

import requests
from bs4 import BeautifulSoup

url = "http://en.wikipedia.org/wiki/List_of_Telugu_films_of_2014"
soup = BeautifulSoup(requests.get(url).content)

# iterate over tables
for table in soup.select('table.wikitable.sortable'):
    # get the table header/description, continue if not found
    h3 = table.find_previous_sibling('h3')
    if h3 is None:
        continue
    print h3.text

    # get the links
    for link in table.select('tr > td > i > a'):
        print link.text, "|", link.get('href', '')

    print "------"

打印（为了清楚起见，还打印 table 个名字）：

January 2014–june 2014[edit]
Celebrity | /wiki/Celebrity
Kshatriya | /wiki/Kshatriya
1: Nenokkadine | /wiki/1:_Nenokkadine
...
Oohalu Gusagusalade | /wiki/Oohalu_Gusagusalade
Autonagar Surya | /wiki/Autonagar_Surya
------
July 2014 – December 2014[edit]
...
O Manishi Katha | /wiki/O_Manishi_Katha
Mukunda | /wiki/Mukunda
Chinnadana Nee Kosam | /wiki/Chinnadana_Nee_Kosam
------

select 使用 python 和 beautifulsoup 的一组表格下的一组特定单元格

select a specific set of cell under a set of tables using python and beautifulsoup

html

python

parsing

beautifulsoup