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: 不用播放器看的av | 色婷婷久久久久swag精品 | 欧美日韩黄色一级片 | 国产精品2 | 一级做a爰片性色毛片16 | 三级成人在线观看 | 国产激情小视频 | 黄片毛片| 日日夜夜精品免费视频 | 午夜网站视频 | 91精品国产91久久综合桃花 | 中文字幕第一页在线 | 久久一 | 人人干免费 | 精品视频一区二区三区在线观看 | 国产精品18毛片一区二区 | 免费观看黄色片视频 | 99在线免费视频 | 成人av大全 | 国产精品美女久久久久久免费 | 日本精品一区二区在线观看 | 亚洲色图插插插 | 久久91 | av毛片免费 | 古装三级在线播放 | 欧日韩在线 | 国产精品网址 | av在线播放一区二区 | 91精品国产综合久久精品 | 亚洲精品一区二区 | 欧美片网站免费 | 97在线观看 | 日本午夜精品一区二区三区 | 一级黄色录像毛片 | 丁香婷婷在线视频 | 国产成人高清成人av片在线看 | 欧美精品一区二区三区四区 | 色妞av | 国产成人在线视频免费观看 | 日本中文字幕在线观看 | 激情欧美一区二区三区中文字幕 |