av一区二区在线观看_亚洲男人的天堂网站_日韩亚洲视频_在线成人免费_欧美日韩精品免费观看视频_久草视

您的位置:首頁技術文章
文章詳情頁

html5 - python 處理html頁面爬蟲數據

瀏覽:108日期:2022-09-23 15:40:47

問題描述

請求的url 數據http://www.hkex.com.hk/chi/st...對了我只抓取一張表,希望能夠提取關鍵表的數據.

希望抓取的數據是該成交報表,但是HTML 的標簽都是<pre>造成了數據提取的困難。

賣空成交量 成交量

代號 股票名稱 股數(SH) 金額($)股數(SH) 金額($)

1 長和 299,500 27,572,475 2,201,171 202,964,029 2 中電控股 61,000 4,622,825 1,452,853 110,040,699 3 香港中華煤氣 2,939,000 42,694,880 8,024,558 116,691,466 4 九龍倉集團  297,000 17,349,550 3,136,238 183,105,286 5 匯豐控股 1,102,800 73,202,940 8,630,868 572,622,103 6 電能實業 1,016,500 76,262,725 4,876,990 365,926,231 8 電訊盈科 731,000 3,478,240 13,579,32364,672,175 10 恒隆集團 172,000 5,209,850 967,98029,308,292 11 恒生銀行 189,000 30,047,370 1,075,185 170,873,130 12 恒基地產 94,000 4,025,500 1,382,53359,183,598 14 希慎興業 33,000 1,167,900 642,42422,747,393 16 新鴻基地產  425,000 45,490,800 1,635,959 175,284,039 17 新世界發展  651,000 5,833,670 10,135,38190,633,244 19 太古股份公司A  132,000 10,405,600 554,96243,709,235 20 會德豐  72,000 3,407,750 683,36832,286,993 23 東亞銀行 451,600 14,991,890 1,817,00060,295,348 27 銀河娛樂 1,134,000 40,408,550 15,089,117 538,712,668 31 航天控股 210,000 211,580 4,367,526 4,386,198 34 九龍建業 31,000 228,260 292,000 2,156,291 35 遠東發展 10,00033,600 428,075 1,440,321 38 第一拖拉機股份  8,00038,200 1,634,000 7,825,940 41 鷹君 12,000 422,400 470,14616,546,562 45 大酒店  35,500 305,605 503,559 4,335,522

url = 'http://www.hkex.com.hk/chi/stat/smstat/dayquot/d20170202c.htm' response = requests.get(url) if response.status_code == 200:soup = BeautifulSoup(response.content, 'lxml')

應該如何提取該表格的數據內容。

問題解答

回答1:解決方法一:

首先先定位賣空成交量位置 a = soup.find(’a’, attrs={’name’:’short_selling’}),然后根據pre->font的相鄰關系,一直往下走直到列不到6行就結束

這是結果:

[[’代號’, ’股票名稱’, ’股數(SH)’, ’金額($)’, ’股數(SH)’, ’金額($)’], [’1’, ’長和’, ’299,500’, ’27,572,475’, ’2,201,171’, ’202,964,029’], [’2’, ’中電控股’, ’61,000’, ’4,622,825’, ’1,452,853’, ’110,040,699’], [’3’, ’香港中華煤氣’, ’2,939,000’, ’42,694,880’, ’8,024,558’, ’116,691,466’],....源代碼

import pprintfrom bs4 import BeautifulSoupimport requestsr = requests.get(’http://www.hkex.com.hk/chi/stat/smstat/dayquot/d170202c.htm’)r.encoding = ’big5’soup = BeautifulSoup(r.text)a = soup.find(’a’, attrs={’name’:’short_selling’})data = []pre = a.find_parent(’pre’)for line in pre.font.text.splitlines(): item = line.strip().split() if len(item) == 6:data.append(item)end = Falsefor next_pre in pre.next_siblings: for line in next_pre.font.text.splitlines():item = line.strip().split()if len(item) > 7: item = item[1:2] + [''.join(item[1:-4])] + item[-4:]elif len(item) < 6: end = True breakdata.append(item) if end: breakpprint.pprint(data)回答2:

給你一個方案吧。

因為這些數據都是文本信息,沒有標簽包圍。通過抓包,也沒有發現特定的數據查詢接口。所以數據應該是服務器生成好的通過html寫死的發送給瀏覽器。那么發現這些數據項每一個特定的屬性都是占用同樣的位置大小且居右對齊,而且每一項有特定的格式,可以使用正則表達式進行提取。具體還是請您自行實現吧。回答3:

干嘛這么麻煩用beautifulsoup,殺雞焉用牛刀

你的網頁只有一行行數據啊,格式簡單的不能再簡單

你直接把頁面上的數據復制下來,保存成txt,然后用readline、split、正則表達式提取數據不就可以了嘛

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 日韩精品一区二区在线观看 | 激情欧美日韩一区二区 | 五月综合激情婷婷 | 亚洲综合国产 | 亚洲国产成人av好男人在线观看 | 伊人导航| 中文字幕视频在线看 | 在线精品观看 | 91精品久久久久久久久 | 欧美一区二区三区的 | 欧美2区| 国产黄色在线 | 精品综合网| 一区二区三区网站 | av先锋资源| 欧美日韩国产高清 | 一级片在线观看 | 国产精品一区在线 | 国产激情在线看 | 国产精品99久久久久久www | 欧美国产日韩在线观看成人 | 久久蜜桃av一区二区天堂 | 一级毛片免费看 | 国产黄色小视频 | 亚洲高清免费 | 做a视频在线观看 | 国产探花在线精品一区二区 | 国精产品一品二品国精在线观看 | 一区二区三区中文字幕 | 天堂久久天堂综合色 | 久久一级免费视频 | 久久久精彩视频 | 91麻豆精品国产91久久久资源速度 | 99精品久久| 欧美高清性xxxxhd | 91视频在线| 欧美精品一区二区三区在线四季 | 日日综合 | 中文字幕久久久 | 天天干狠狠干 | 久久久这里都是精品 |