新手请教 BeautifulSoup 为什么爬不到目标数据? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
pppguest3962
V2EX    Python

新手请教 BeautifulSoup 为什么爬不到目标数据?

  •  
  •   pppguest3962 2018-08-11 22:16:07 +08:00 3201 次点击
    这是一个创建于 2626 天前的主题,其中的信息可能已经有所发展或是发生改变。

    买了本书从零开始初步摸门,虽然已经把书看了一轮了,现在才开始了动手的, 书后面是有提到 xml,lxml 的各种方式(也许高手们都倾向这些方式), 但我还是打算先搞通 html.parser 这个初步方式,获取小目标的成功。。。

    随便在网上找了个表格网页,获取其中一个产品的规格。。。

    用的是 firefox 56.0,自带开发者工具。 右键目标元素,在 firefox 查看器里右键,复制,Xpath,

    得到的是: /html/body/table[2]/tbody/tr[2]/td[2]/table/tbody/tr[3]/td/table/tbody/tr[1]/td[2]/table[2]/tbody/tr[11]/td[3]

    我看书上写的目标元素路径是用 > 表示的(书上提到他的浏览器是 chrome )

    尝试用两种表示方式,都 print 不出目标

    是 soup.select()路径的问题?

    #coding=UTF-8 import requests from bs4 import BeautifulSoup headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36' } url = 'http://www.chinatimber.org/bj/' page_req = requests.get(url,headers=headers) soup = BeautifulSoup(page_req.text,'html.parser') print(soup.select('html > body > table[2] > tbody > tr[2] > td[2] > table > tbody > tr[3] > td > table > tbody > tr[1] > td[2] > table[2] > tbody > tr[1] > td[3]')) print(soup.select('/html/body/table[2]/tbody/tr[2]/td[2]/table/tbody/tr[3]/td/table/tbody/tr[1]/td[2]/table[2]/tbody/tr[1]/td[3]')) 
    9 条回复    2018-08-12 10:29:27 +08:00
    regicide
        1
    regicide  
       2018-08-11 22:28:35 +08:00 via iPhone
    pd.read_html(page_req)[0]
    xupeng970623
        2
    xupeng970623  
       2018-08-11 22:41:03 +08:00 via Android
    删去 tbody 试试
    VVVVVEX
        3
    VVVVVEX  
       2018-08-11 22:59:19 +08:00
    浏览器会自动加 tbody
    但是有些没 tbody 的,lxml 也取不到数据,我很郁闷,也不知道为啥,反正不是正经事儿,就算了
    imn1
        4
    imn1  
       2018-08-11 23:18:21 +08:00
    1.你应该 copy selector,而不是 xpath
    2.这样 print 只会得到一个 object 吧?后面要加 content 或者 text()什么的
    我也没怎么用 bs,你再查查 bs 手册

    我觉得你还是要学一学 css selector 或者 xpath 语法,这个应该先行
    速成可以搜搜 css xpath cheatsheet
    jimmyczm
        5
    jimmyczm  
       2018-08-11 23:21:51 +08:00
    有些 id 或 class 是整个页面唯一的,那么你直接 select 这个标志会快一点
    lanpong
        6
    lanpong  
       2018-08-11 23:34:58 +08:00
    虽然右键获取是一个捷径,但是有时候会选择的不出来。
    还是认真学一下 css 选择器。不过 BeautifulSoup 里面的 find()和 find_all()更加好理解。
    epicnoob
        7
    epicnoob  
       2018-08-12 00:26:28 +08:00
    不要用 html parse,我碰到过问题,换成 html5lib 就好了
    Sylv
        8
    Sylv  
       2018-08-12 03:29:51 +08:00 via iPhone
    BeautifulSoup 不支持 xpath,soup.select 得用 css selector。
    shakespaces
        9
    shakespaces  
       2018-08-12 10:29:27 +08:00 via Android
    我都无差别 lxml 的。。。有啥区别吗
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     2943 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 25ms UTC 13:36 PVG 21:36 LAX 06:36 JFK 09:36
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86