从多个urls中提取标题和表体(使用漂亮汤)到dataframe
从多个urls中提取标题和表体是一个常见的数据处理任务，可以使用漂亮汤（BeautifulSoup）库来实现。漂亮汤是Python的一个HTML/XML解析库，可以方便地从网页中提取数据。
首先，我们需要导入所需的库：
from bs4 import BeautifulSoup
import requests
import pandas as pd接下来，我们可以定义一个函数来从单个url中提取标题和表体：
def extract_data(url):
# 发送HTTP请求获取网页内容
response = requests.get(url)
# 使用漂亮汤解析网页内容
soup = BeautifulSoup(response.text, 'html.parser')
# 提取标题
title = soup.title.text
# 提取表体
body = soup.body.text
return title, body然后，我们可以定义一个主函数来处理多个urls，并将结果存储到DataFrame中：
def main(urls):
# 创建一个空的DataFrame
df = pd.DataFrame(columns=['Title', 'Body'])
# 遍历每个url
for url in urls:
# 提取标题和表体
title, body = extract_data(url)
# 将结果添加到DataFrame中
df = df.append({'Title': title, 'Body': body}, ignore_index=True)
return df最后，我们可以调用主函数并传入多个urls来获取标题和表体的DataFrame：
urls = ['url1', 'url2', 'url3'] # 替换为实际的urls
df = main(urls)
print(df)这样，我们就可以从多个urls中提取标题和表体，并将结果存储到DataFrame中了。
在云计算领域，这个任务可以应用于数据爬取、数据挖掘、文本分析等场景。对于腾讯云相关产品，可以使用腾讯云的云服务器（CVM）来运行Python代码，使用对象存储（COS）来存储和管理数据，使用云数据库（TencentDB）来存储提取的数据，使用云函数（SCF）来实现自动化的数据处理流程。
腾讯云产品介绍链接：
请注意，以上答案仅供参考，具体的实现方式和腾讯云产品选择应根据实际需求和情况进行。
相关·内容
我试图了解如何使用漂亮的汤提取href链接的特定列下的内容，在一个表的网页。例如，考虑一下链接：。
在这个页面中，带有类wikitable的表有一个列标题，我需要提取列标题下每个值后面的href链接，并将它们放在excel工作表中。做这件事最好的方法是什么？我在理解漂亮的汤表解析文档方面遇到了一些困难。
浏览 4提问于2015-04-06得票数 3
回答已采纳
1回答
你好，我是个上蟒蛇课的学生。我们现在正在学习“美丽汤”，我在从两个表中提取数据时遇到了困难，您可以在下面的代码中看到：
import pandas as pd
import requests
list_of_urls = ['https://tradingeconomics.com/albania/gdp-growth-annual',
'https://trdingeconomics.com/south-africa/gdp-growth-annual']
final_df = pd.DataFrame()
for i i
浏览 4提问于2022-03-16得票数 1
回答已采纳
1回答
我目前正在进行一个项目，在这个项目中，我下载了一堆相关的html文件，并从中收集数据。我注意到的一件事是，尽管html文件的总体格式是相似的，但有时不同的文件使用不同的标记来存储类似的信息。
例如，在一个文件中可以是：
<html>
<head>
<p> Title: The GodFather </p>
<p> Author: Mario Puzo </p>
</head>
<html>
在另一个例子中，可能是：
<html>
<head>
<p> Headin
浏览 1提问于2018-11-07得票数 2
我正在尝试使用selenium和美汤将联邦快递网站()中的表提取到使用id的dataframe中，但没有任何内容进入dataframe。 url = 'https://www.fedex.com/en-us/shipping/fuel-surcharge.html#'
response = requests.get(url)
print(response.status_code)
soup = BeautifulSoup(response.text,"html.parser")
tables = soup.findAll('table',{&#
浏览 31提问于2020-10-06得票数 1
我有这个数据从一个网页，我想提取两个标题之间的数据从网络交通阻塞列表到电子邮件。我一直在用漂亮的汤，找不到相关的话题。谢谢
<h2>WEB TRAFFIC BLOCK LIST</h2>
<p>Indicators are not a block list. If you feel the need to block web traffic, I suggest the following domain and URLs:</p>
<ul>
<li>hxxp://209.141.49.93/
浏览 0提问于2018-06-11得票数 0
回答已采纳
我希望使用python从espn站点中获取一些数据。
我用漂亮的汤从页面中提取内容。
item = soup.findAll('span', attrs={'data-reactid': '136'})[0].text
只会显示列的标题。在该链接内是数据反应链接，这些链接没有显示在urls中。如何浏览数据-反应链接？当您单击防御或攻击链接时，url保持不变吗？
浏览 1提问于2018-11-25得票数 0
回答已采纳
我有一个函数，它(1)从一个URL列表中抓取数据，每个URL都包含表数据。它使用BeautifulSoup抓取html文本，以收集包含列标题和表行的单独列表。然后，它(2)遍历表行list以创建列表列表。最后，(3)我将call函数放在一个for循环中，该循环遍历URL列表。
我遇到的问题是，我不知道如何将列标题插入到数据中，这样列标题就会出现在最终的数据帧中。我应该将列标题追加/插入到函数内的输出列表中吗？或者，有没有一种方法可以将其插入到数据帧中？(我不能在函数之后将列标题插入到数据帧中，因为column_headers变量是函数的局部变量，所以不能作为全局变量使用。
这是我到目前为止所掌
浏览 4提问于2017-08-25得票数 0
3回答
如何使用xlwing将excel中的“表”读入到pandas DataFrame中，其中表的"headers“成为DataFrame列名？
每次我尝试读表的时候，标题行总是被排除在读操作之外！
下面是我尝试过的方法，其中"b“是我的对象：
b.sheets['Sheet1'].range('Table1').options(pd.DataFrame)
b.sheets['Sheet1'].range('Table1').options(pd.DataFrame, headers=False)
b.sheets[&#
浏览 11提问于2017-06-28得票数 3
我正在努力从网页中提取表格和表格标题元素。已提取表元素，没有任何问题。但是，我不能将h2类提取到单独的字符串中。我可以导入所有漂亮的汤对象，也可以导入包含所有h2元素的长字符串。如何将元素作为单独的字符串对象提取到表或列表中？
scr = 'https://tv.varsity.com/results/7361971-2022-spirit-unlimited-battle-at-the-
boardwalk-atlantic-city-grand-ntls/31220'
scr1 = requests.get(scr)
soup = BeautifulSoup(s
浏览 7提问于2022-01-31得票数 0
回答已采纳
1回答
我试图使用漂亮的汤解析以下站点：
然后，我试图发送整个网页开始后的单词“主题”作为电子邮件的正文。我最终想要自动发送电子邮件在这个网页上的任何信息。
我可以成功地获得html文本和样式，但我不知道如何提取图像以及页面底部的google表单。这些图片似乎没有href的，所以我真的不知道该怎么做。
如果有漂亮的汤，这有可能吗?还有其他方法来做我想要做的事情吗？
浏览 3提问于2017-04-01得票数 0
回答已采纳
2回答
我用漂亮的汤从这个页面中提取标题，但我需要过去3个月的标题，即从2013年12月10日到2014年3月10日。但我只能提取他们在这个特定页面上的标题。如何提取特定公司所需的标题？
代码：
url = 'http://in.finance.yahoo.com/q?s=AAPL'
data = urllib2.urlopen(url)
soup = BeautifulSoup(data)
divs = soup.find('div',attrs={'id':'yfi_headlines'})
div = divs.find('
浏览 1提问于2014-03-12得票数 1
1回答
Q1。是否有任何方法从表中提取数据，但仍然能够跟踪轴标题？Q2。哪种方法能更好地从html表中提取数据？HTMLParser还是美汤还是其他的？
我试着提取这个收入表
我想成为
“百万英镑货币”、“2009年”、“2010年”、“2011年”、“2012年”
“收入”、“53 898.0”、“56 910.0”、“60 455.0”、“64 539.0”
“总收入”、“53 898.0”、“56 910.0”、“60 455.0”、“64 539.0”
同时，我想知道"56,910.0“是2009年的收入
但我经历了两个问题：
HTMLParser.HTMLParseErr
浏览 2提问于2013-03-11得票数 0
回答已采纳
1回答
我有一个包含两个urls的txt文件。
https://www.kununu.com/de/volkswagen/kommentare
https://www.kununu.com/de/audi/kommentare
我想从all pages中提取一些数据，urls中有漂亮的汤。下面的代码提取该数据，但仅用于第一页。我应该少了什么东西，你能更新代码吗，这样，它就能从所有页面中提取出来吗？
firma = []
lineList2 = [line.rstrip('\n') for line in open(r"C:/myfolder/555.txt")]
p
浏览 2提问于2020-01-08得票数 0
回答已采纳
当我使用多个元素进行提取时，如何使用提取器。
我的数据中有一个excel表，我想提取dataframe2. extract中的所有URL。
我用这个：
from urlextract import URLExtract
extractor = URLExtract()
dataframe2.Comment = extractor.find_urls(dataframe2.Comment)
我得到了错误：
预期的字符串或类似字节的对象
你能帮帮我吗？
浏览 3提问于2019-12-04得票数 0
回答已采纳
1回答
问:使用漂亮的汤，提取与特斯拉季度收入表，并将它存储在一个名为tesla_revenue的数据。dataframe应该有列日期和收入。确保从“收入”栏中删除逗号和美元符号。
为此，我将使用以下代码：
tesla_revenue = pd.DataFrame(columns=["Date", "Revenue"])
for row in soup.find("tbody").find_all("tr"):
col = row.find_all("td")
date =col[0].text
r
浏览 1提问于2021-03-23得票数 0
我不熟悉美汤的编码。
当我处理一些页面时，一些属性是中文的，我想使用这个中文属性来提取标签。
例如，如下所示的html：
<P class=img_s>
<A href="/pic/93/b67793.jpg" target="_blank" title="查看大图">
<IMG src="/pic/93/s67793.jpg">
</A>
</P>
我想提取'/pic/93/b67793.jpg‘，所以我所做的是：
img_urls = form_soup.fi
浏览 0提问于2012-06-23得票数 1
回答已采纳
我有一个html文件，如下所示：
<form action="/2811457/follow?gsid=3_5bce9b871484d3af90c89f37" method="post">
<div>
<a href="/2811457/follow?page=2&gsid=3_5bce9b871484d3af90c89f37">next_page</a>
<input name="mp" type="hidden" valu
浏览 0提问于2012-06-17得票数 0
回答已采纳
我正在尝试从IMDB抓取电影信息。在大多数情况下，它是有效的，但对于一些电影，标题是不同的HTML检索美丽的汤，然后是火狐显示的源代码。例如，当在IMDB中搜索witch时，我会得到这个页面：
所以我搜索电影，然后用下面这行代码得到电影的URL：
page = urlopen(url)
soup = BeautifulSoup(page, 'html.parser')
movieLink = soup.find('a', text = movieTitle)['href']
imdbLink = 'http://www.imdb.com
浏览 1提问于2017-06-13得票数 2
我希望创建一个包含从一个网站上刮来的数据的DataFrame。数据被放置在两个列表中--职务标题和链接到职务申请页面的URL。我的目标是将它们传递到一个列表中，以创建一个DataFrame，如所示
list_job_titles = []
list_job_URLs = []
for a in soup.find_all('a', href = re.compile("work-placement-internship")):
URL_from_soup = (a['href'] + " ")
title_from
浏览 1提问于2020-02-29得票数 1
回答已采纳
2回答
我正在尝试从一个页面中抓取所有的URLS，这些URLS都与一个主题相关。
我用漂亮的汤来做这件事。
我目前的尝试是
urls = soup.find_all('a', href=True)
但是页面上有很多额外的URLS，我不想刮掉。
该页面是：
我想要抓取所有玩家的名字以及他们的参考代码，例如
<a href="/players/a/allenra02.html">Ray Allen</a>,
会将'Ray Allen/allenra02‘添加到列表中。
我如何添加一个所需的前缀到一个网址搜索使用美丽的汤？例如'pla
浏览 0提问于2020-08-12得票数 0
我正在尝试使用r从urls列表中删除标题和内容。我能够分别提取每篇文章的标题和内容。但是，我需要遍历这些urls列表，以便从每个页面及其内容中获取标题。
以下是urls，它们存储在csv文件中：
这是我用来单独提取每篇文章的代码(请注意，内容的每个段落都被认为是一个节点，当我提取这些节点时，每个节点都出现在一个新的raw中，而我需要它们只出现在第一个raw中)。
install.packages('xml2')
library(xml2)
library(rvest)
url <- "http://well.blogs.nytimes.
浏览 2提问于2018-04-12得票数 0
1回答
我需要从许多Excel工作簿中提取特定的工作表。工作表在每个Excel工作簿中的标题完全相同。
提取后，我需要根据相应Excel工作簿标题的开头命名每个数据帧(从每个提取的工作表中创建)。示例：对于名为“Pizza”的工作表(每个Excel工作簿相同)，以及一个名为“For _2021”的Excel工作簿，数据框架应该自动命名为‘必胜客_可口可乐’。Excel工作簿的格式是：‘etc_2021’、'Sprite_2019‘等等，所以它是非常可预测的。
我有以下代码，但仍停留在步骤1(提取表)上。
import tkinter as tk
from tkinter import file
浏览 4提问于2021-09-23得票数 0
用'df.drop‘方法删除4到1952列的好方法是什么？我正在使用漂亮的汤来提取数据并转换成xml，它有1952列。提前感谢！ table = soup.find('table')
table_rows = table.find_all('tr')
t=[]
for tr in table_rows:
td = tr.find_all('td')
row = [tr.text.rstrip('\n') for tr in td]
t.append(row)
df = pd.DataFrame(
浏览 9提问于2019-01-17得票数 0
2回答
我正在尝试使用pandas通过代码从url 'http://gsa.nic.in/report/janDhan.html‘中提取嵌套表： import pandas as pd
url ="http://gsa.nic.in/report/janDhan.html"
table=pd.read_html(url)[3]
print(table)
table.to_excel("GSA.xlsx") 但是，它只打印表的标题。请指导，我是一个新手，不想用漂亮的汤。如果熊猫不能完成预期的任务，那为什么呢？
浏览 17提问于2020-04-18得票数 0
说，为了从使用请求和美丽汤的网站中提取一些信息，我们可以使用BeautifulSoup(request，‘html5lib’)方法，但是它声明它不会在一个在线的IDE上运行。我想知道这是为什么，是否有任何解决办法，如果一个人正在使用一个在线IDE。有不同的HTML解析器吗？
浏览 2提问于2020-04-05得票数 1
我还在学习如何利用美丽的汤。我已经成功地使用了标记，什么东西不能从的深度图表表中提取数据？
但现在我试着把名单上的人全拉出来。我似乎不太明白那是什么标签。不过，我在资料来源中确实注意到，这些信息列在带有字典的列表中，如下所示：
vm.Roster = [{"PlayerId":16236,"Name":"Cody Parkey","Team":"CHI","Position":"K","FantasyPosition":"K","Height&
浏览 0提问于2018-08-18得票数 0
回答已采纳
我试图在一个站点地图索引中解析所有的站点地图。我创建了一个对象x，它包含索引中的所有三个站点地图。
我能够为每个嵌套的xml创建一个单独的对象，然后将它放在一起，但是我相信函数会更容易一些。我尝试编写一个for循环或使用，但是它返回错误，因为我试图将列表列表传递到。
我的目标是获取所有的xml_children并将它们分配到一个dataframe中，因为以我的方式在50个xml列表上完成它将是非常令人生畏的。
sitemap_index <- read_xml("https://www.bodystore.com/sitemap_index.xml")
sitemap_
浏览 6提问于2022-03-15得票数 0
回答已采纳
在帮助下，我能够提取出按年份(1919年至2019年)排序的网页链接列表。基于这些链接，我想提取表数据。
“我可以从1919到2019年获得URLS。但是，我需要从每年的链接中获得额外的链接”
import pandas as pd
from bs4 import BeautifulSoup
import requests
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.
浏览 1提问于2019-08-18得票数 1
回答已采纳
我有一些问题，网络刮一些数据与美丽的汤，我想知道你们中的任何一个刮刀专业人士可以给我一些指导。
这是我想刮的确切的网页：
具体来说，我想获取历史价格表，并以某种方式将信息提取到DataFrame中。但是首先，我需要在原始html中找到它。
import requests
from bs4 import BeautifulSoup
data = requests.get('https://coinmarketcap.com/currencies/bitcoin/historical-data/?start=20130428&end=20171013')
soup =
浏览 2提问于2017-10-13得票数 0
回答已采纳
我创建了一个Google警报来生成一个类似于这个的RSS提要
现在如何使用scrapy从提要中的每个条目中提取标题、href、发布日期和内容？
我试过：
import scrapy
class GalertCovidSpider(scrapy.Spider):
name = 'galert-covid'
allowed_domains = ['https://www.google.co.in/alerts/feeds/17901041985790143983/2214023096042963178']
start_urls = [&#
浏览 5提问于2022-01-19得票数 0
2回答
如果有漂亮的汤(python)，是否可以绝对地提取urls而不是网页的相对urls？
例如，当我废弃并询问href链接时:soup.findAll(‘a’)中的链接：
它返回相对于绝对urls的内容：
http://bing.com/?scope=web&FORM=Z9LH
/maps/?FORM=Z9LH3
/news?FORM=Z9LH4
/explore?FORM=Z9LH5
/profile/history?FORM=Z9LH6
http://fr.msn.com/
http://www.office.com?WT.mc_id=O16_BingHP
非常感谢。
浏览 5提问于2016-06-17得票数 0
回答已采纳
1回答
我想使用python3.5中的漂亮汤从下面的网站中提取信息。
http://www.askapatient.com/viewrating.asp?drug=19839&name=ZOLOFT
我必须先保存网页，因为我的程序需要离线工作.
我将网页保存在计算机中，并使用以下代码提取表信息。但问题是，代码只是提取表的标题。
这是我的密码：
from urllib.request import Request, urlopen
from bs4 import BeautifulSoup
url = "file:///Users/MD/Desktop/ZoloftPage01.html
浏览 5提问于2016-07-31得票数 1
回答已采纳
因此，我试图创建一个程序，获取谷歌网页搜索中的所有urls，并按其在页面上的位置顺序返回所有urls的列表。因此，如果它是google搜索页面中“随机”的链接的顶部url，那么列表中应该返回的第一项应该是"“。这是因为它是你在google上随机搜索源代码时的第一个链接。我使用urllib3和re模块，因为我并不真正知道如何使用漂亮的汤或lxml，但是如果您可以在漂亮的汤和/或lxml中这样做，那也可以。到目前为止，这是我的代码：
import urllib.request
import re
def find(start,end):
urls = []
with
浏览 4提问于2018-03-08得票数 1
df = DataFrame({'DATE' : ['2017-01-01','2017-01-02'],'Sexuality/us' :['femle','male'],'Height/us' :[190,195]})
DATE Sexuality/us Height/us
0 2017-01-01 female 190
1 2017-01-02 male 195
浏览 3提问于2017-01-10得票数 3
回答已采纳
3回答
我试图从pdf中提取一个特定的表格，pdf看起来像下面的图片。
我试过在python上使用不同的库，
与tabula-py
from tabula import read_pdf
from tabulate import tabulate
df = read_pdf("./tmp/pdf/Food Calories List.pdf")
df
与PyPDF2
pdf_file = open("./tmp/pdf/Food Calories List.pdf", 'rb')
read_pdf = PyPDF2.PdfFileReader
浏览 6提问于2020-07-22得票数 1
1回答
从一个多个链接构造一个表
、、、
我需要从一个网站中提取数据，在那里我已经提取了数据托管的urls列表，并且我能够提取数据，但我无法以表格的形式提取它。
我尝试了多个代码，我提取了href链接，然后将它们添加到列表中。我正在使用请求和漂亮的汤库来提取数据。
url = 'https://www.flinders.edu.au/directory/index.cfm/search/results?page=1&lastnamesearch=A&firstnamesearch=&ousearch='
for rows in df_link['Name']:
url = ro
浏览 0提问于2019-03-25得票数 1
回答已采纳
1回答
获取网页中的所有链接
、、、、
在一些网站中(特别是这个https://www.sothebys.com/en/results)，当你向下滚动页面时，更多的链接变得可用，然而，它们不能通过美丽的汤或硒来提取。 from selenium import webdriver
from webdriver_manager.chrome import ChromeDriverManager
options = webdriver.ChromeOptions()
options.add_argument('--ignore-certificate-errors')
options.add_argument("
浏览 18提问于2020-06-08得票数 0
1回答
我是HTML的新手，我正在尝试用漂亮的汤抓取一些web数据。
我已经从网站上抓取了这个，并试图提取标题和链接。
value = <a class="AnchorLink News__Item external flex flex-row" href="https://abcnews.go.com/Politics/biden-harris-make-appearance-historic-democratic-ticket/story?id=72327968" name="&lpos=toolkit" tabindex=&#
浏览 1提问于2020-08-13得票数 0
我正在尝试解析以下网站中存储为不同表的数据：
我希望解析表中的数据并将其存储为dataframe。我在试着做美味的汤。我已经找出了要解析的id标记，并且发现有十个独立的id标记(例如tab-1，tab-2，...，tab-10)。我想编写一个遍历HTML的函数，并将每个选项卡下的文本作为单独的dataframe存储在pandas中。我是一个初学者，所以我不知道我在做什么。谢谢!
浏览 0提问于2019-12-19得票数 1
2回答
解析多篇新闻文章
、、、
我已经建立了一个摘要程序，它利用一个解析器一次解析多个网站。我在每篇文章中只提取<p>。
这抛出了许多与文章无关的随机内容。我见过几个人可以完美地解析任何文章。我该怎么做呢？我用的是美汤
浏览 3提问于2014-05-04得票数 0
我刚开始使用BeautifulSoup进行网络抓取，并遇到了以下问题:我试图从论坛上抓取帖子，我想提取帖子的标签。下面是标记类的HTML代码：
<a class="tag_css_link" href="XXXX" title="">Advanced Physics</a>
这种格式在整个表单中是一致的。我试着用汤的“标题”给我“。如何提取“高级物理”？
浏览 5提问于2021-06-08得票数 0
回答已采纳
1回答
我已经从一个特定的网站提取了项目，现在想把它们写到一个.xls文件中。
我期望得到一个完整的excel工作表，其中包含标题和信息行，但得到的工作表中只包含标题。
<code>A0</code>
生成的DataFrame如下所示：
<code>B1</code>
浏览 5提问于2019-03-29得票数 0
回答已采纳
2回答
我正在尝试用熊猫把HTML表转换成字典。我用漂亮的汤提取HTML，并盯着表中的变量。
--这就是DataFrame的样子：
Date Value
0 2019 31
1 2018 11
2 2017 11
3 2016 10
4 2015 99
5 2014 98
，这就是我要做的，
df = pd.read_html(str(tables), flavor='lxml')[0]
final = df.to_dict(orient=&#
浏览 4提问于2020-12-21得票数 0
我有多个urls，我希望抓取。我想从这些网站中提取所有的表和相应的标题在一个数据帧中。我可以提取这些表及其各自的标题，但不能将它们都附加到所需的数据帧中，因为每个表中的行数各不相同。下面是我使用的代码： urls = ['https://csr.gov.in/companyprofile.php?year=FY%202018-19&CIN=U15114DL1997PTC084568',
'https://csr.gov.in/companyprofile.php?year=FY%202018-19&CIN=U85100DL2011PTC2
浏览 26提问于2020-09-20得票数 2
回答已采纳
我正在尝试从oreilly媒体网站上提取书名，使用python漂亮的汤。
但是，我看到书名不在页面源html中。
我正在使用这个链接查看书籍：
附件是一个屏幕截图，显示的网页与前两本书与铬开发工具与箭头指向我想要提取的元素。
我查看了页面源代码，但找不到书名--也许它们隐藏在主html中的其他链接中。
我试图打开html中的一些链接，并搜索书名，但什么也找不到。
是否可以使用美丽的汤从网站中提取第一或第二本书的名字？如果没有，还有其他的python包可以做到这一点吗？也许是硒？
或者作为最后的手段.
浏览 10提问于2022-02-27得票数 0
回答已采纳
1回答
编辑：
我知道如何用漂亮汤解析一个表(我使用的是bs4)，但是我现在要抓取的特定页面有10个具有相同类值的表。
我的代码片段适用于第一个表：
data = []
table = YahooSoup.find('table', attrs={'class':'table-qsp-stats Mt(10px)'})
table_body = table.find('tbody')
rows = table_body.find_all('tr')
for row in rows:
浏览 1提问于2018-02-14得票数 0
我将此代码用于非JavaScript页面： session = HTMLSession()
url = session.get("https://.......")
spoon = BeautifulSoup(url.text, "html.parser")
preTitle = spoon.find_all('title')
preTitleStr = str(preTitle)
a = preTitleStr.replace('<title>','')
Title = a.replace('
浏览 103提问于2021-09-06得票数 0
2回答
使用美丽的汤从各种标签中提取标题
、、、、
如何使用漂亮的汤从下面的html中从两种表类型中提取表标题
<body>
<p>some other data 1</p>
<p>Table1 heading</p>
<div></div>
<div>
<div><table width="15%"><tbody>
<tr>
<td><p>data1_00&l
浏览 0提问于2019-06-25得票数 2
回答已采纳
1回答
请任何人可以帮助我，我是一个非常新的美丽汤刮网页。我想提取网页上的第一个表，但是表有不规则的列，如附件中的图像所示。前3行/3列后面是具有1列的行。请注意，前三行可以在将来更改为多于或少于3行。单行/1列之后是一些行和4列，然后是单行/列。有没有办法编写Beautiful Soup python脚本来提取列跨度为6的td标记之前的前3行，然后提取列跨度为6的td标记之后的下一行？ ? 到目前为止，我的Python代码(####给了我包含不规则列的整个表，但不是我想要的)： import pandas as pd
import numpy as np
import requests
f
浏览 28提问于2021-11-04得票数 0
回答已采纳
1回答
我在一个名为“”的表中有一个名为"Description“的列，其中包含由分隔的多个食品项目名称，例如鸡肉，汤，面包，可乐
如何从列中提取每一项并创建多行。例如，目前它就像{FoodID, FoodName, Description} ==> {123，Meal，“鸡肉，汤，面包，可乐”}
我需要的是
{FoodID, FoodName, Description} ==> {123，膳食，鸡肉}，{123，膳食，汤}，{123，膳食，面包}等。
在Redshift中，我首先将"description“列拆分为
select FoodID, FoodName, Des
浏览 241提问于2018-06-07得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
