无法使用 BeautifulSoup4 抓取正确的 wikitable（初学者）

Question

这里完全是初学者...我正在尝试从这个 Wikipedia page 中提取成分 table，但是提取的 table 是年度 returns（第一table) 而不是我需要的成分 table (第二个 table)。有人可以帮忙看看是否有任何方法可以使用 BeautifulSoup4 来定位我想要的特定 table？

import bs4 as bs
import pickle
import requests

def save_klci_tickers():
    resp = requests.get ('https://en.wikipedia.org/wiki/FTSE_Bursa_Malaysia_KLCI')
    soup = bs.BeautifulSoup(resp.text)
    table = soup.find ('table', {'class': 'wikitable sortable'})
    tickers = []
    for row in table.findAll ('tr') [1:]:
        ticker = row.findAll ('td') [0].text
        tickers.append(ticker)

    with open ("klcitickers.pickle", "wb") as f:
        pickle.dump (tickers, f)

    print (tickers)
    return tickers


save_klci_tickers()

Answer 1

尝试 pandas 库，眨眼间从 csv 文件中的该页面获取表格数据：

import pandas as pd

url = 'https://en.wikipedia.org/wiki/FTSE_Bursa_Malaysia_KLCI'

df = pd.read_html(url, attrs={"class": "wikitable"})[1] #change the index to get the table you need from that page
new = pd.DataFrame(df, columns=["Constituent Name", "Stock Code", "Sector"])
new.to_csv("wiki_data.csv", index=False)
print(df)

如果您仍然 BeautifulSoup 想坚持下去，以下内容应该可以达到目的：

import requests
from bs4 import BeautifulSoup

res = requests.get("https://en.wikipedia.org/wiki/FTSE_Bursa_Malaysia_KLCI")
soup = BeautifulSoup(res.text,"lxml")
for items in soup.select("table.wikitable")[1].select("tr"):
    data = [item.get_text(strip=True) for item in items.select("th,td")]
    print(data)

如果您想使用 .find_all() 而不是 .select()，请尝试以下操作：

for items in soup.find_all("table",class_="wikitable")[1].find_all("tr"):
    data = [item.get_text(strip=True) for item in items.find_all(["th","td"])]
    print(data)

无法使用 BeautifulSoup4 抓取正确的 wikitable（初学者）

Unable to scrape the right wikitable with BeautifulSoup4 (beginner)

python

web-scraping

beautifulsoup

datatable

wikipedia