Estoy tratando de extraer una tabla de la página web (https: // es. wikipedia.org/wiki/2018%E2%80%9319_Premier_League) usando selenio y BeautifulSoup.

Pero estoy atrapado con la tabla de análisis. Solo quiero una tabla de la página web que sea "Tabla de la liga", pero sea lo que sea lo que he intentado, recibí mensajes de error.

Aquí está mi código que he probado.

 import selenium 
from bs4 import BeautifulSoup
from selenium import webdriver
import time
driver.get("https://google.com")
elem = driver.find_element_by_xpath('//*[@id="tsf"]/div[2]/div[1]/div[1]/div/div[2]/input')
elem.send_keys("2018 epl")
elem.submit()
try:
   print(driver.title)
driver.find_element_by_partial_link_text("Wikipedia").click()
website = requests.get(driver.current_url).text

soup = BeautifulSoup(website, 'html.parser')

Y luego me enfrento a problemas ... He probado varios códigos, uno de ellos está debajo.

rows=soup.find_all('td')

Entonces, ¿me pueden ayudar a completar mi código? Muchas gracias.

python selenium parsing web-scraping beautifulsoup
1
wan 8 oct. 2019 a las 16:06

3 respuestas

La mejor respuesta

Puede usar pandas read_html y extraer a través del índice apropiado. Sin embargo, mostraré el uso de: tiene selector para bs4 4.7.1 + para garantizar que seleccione h2 que tiene id League_table y luego el combinador de hermanos inmediato para obtener la tabla adyacente

from bs4 import BeautifulSoup as bs
import requests
import pandas as pd

r = requests.get('https://en.wikipedia.org/wiki/2018%E2%80%9319_Premier_League')
soup = bs(r.content, 'lxml')
table = pd.read_html(str(soup.select_one('h2:has(#League_table) + table')))
print(table)

Solo lee_html

import pandas as pd

tables = pd.read_html('https://en.wikipedia.org/wiki/2018%E2%80%9319_Premier_League')
print(tables[4])
2
QHarr 8 oct. 2019 a las 20:11

Obtuve la tabla usando este código debajo de su código.

soup.body.find_all("table", class_="wikitable")[3]

Encontré la tabla usando el método de prueba y error, es decir, primero veo la clase de la tabla y luego uso find_all y luego enumero elementos individuales y verifico la salida.

0
laksh oswal 8 oct. 2019 a las 20:52

Tal vez eso te ayude a comenzar:

import requests
from bs4 import BeautifulSoup

respond = requests.get('https://en.wikipedia.org/wiki/2018%E2%80%9319_Premier_League')
soup = BeautifulSoup(respond.text, 'lxml')
table = soup.find_all('table', {'class': 'wikitable'})
0
ofeksr 8 oct. 2019 a las 13:38
58286963

Preguntas relacionadas

25 ¿Cómo analizo una cadena en un flotante o int?

Nuevas preguntas

3 Estoy dentro del rango usando pop pero todavía obtengo un error de fuera de rango
4 Use la variable de clase dentro de un método de esta clase
2 Clase de Python con muchas variables
3 Fusionando dos df sin ninguna clave
3 ¿Cómo acceder al valor en una cadena JSON usando una clave en Python?
3 convertir un entero de cadena con comas y punto para flotar
2 (Sintaxis) Obtener el índice de la mayor diferencia entre dos listas (en 1 línea)
2 Pandas: toma todos los caracteres antes de que aparezca el primer dígito
2 El acceso al diccionario de Python termina como un error de tipo
2 Pandas DataFrame: filtrar columna / índice por tipo
Nuevas preguntas con la etiqueta python >

python

Python es un lenguaje de programación multipropósito, de tipificación dinámica y de múltiples paradigmas. Está diseñado para ser rápido de aprender, comprender y usar, y hacer cumplir una sintaxis limpia y uniforme. Tenga en cuenta que Python 2 está oficialmente fuera de soporte a partir del 01-01-2020. Aún así, para preguntas de Python específicas de la versión, agregue la etiqueta [python-2.7] o [python-3.x]. Cuando utilice una variante de Python (por ejemplo, Jython, PyPy) o una biblioteca (por ejemplo, Pandas y NumPy), inclúyala en las etiquetas.

Más sobre python...