【发布时间】:2018-05-24 02:41:01
【问题描述】:
我敢肯定,对于对使用 beautifulsoup 进行网络抓取具有合理知识的人来说,这将是一个快速的解决方案。我正在尝试从表中获取数据,但由于某种原因它没有给我预期的输出。以下是我的代码:
from selenium import webdriver
from bs4 import BeautifulSoup
import pandas as pd
import time
import json
def main():
# BASE AND EXTENTIONS FOR EACH CURRENCY COLUMNWISE
base_cols_url='https://uk.reuters.com/assets/'
forex_cols={}
forex_cols['GBP']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=GBP'
forex_cols['EUR']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=EUR'
forex_cols['USD']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=USD'
forex_cols['JPY']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=JPY'
forex_cols['CHF']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=CHF'
forex_cols['AUD']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=AUD'
forex_cols['CAD']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=CAD'
forex_cols['CNY']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=CNY'
forex_cols['HKD']='jsonCurrencyPairs?callback=drawCurrencyPairs&srcCurr=HKD'
# loop through the pages
for sym in forex_cols:
print(sym)
print(base_cols_url+forex_cols[sym])
get_data_from_page(sym,base_cols_url+forex_cols[sym])
def get_data_from_page(SYMBOL,PAGE):
browser = webdriver.PhantomJS()
# PARSE THE HTML
browser.get(PAGE)
soup = BeautifulSoup(browser.page_source, "lxml")
rows = soup.findAll('td')
# PARSE ALL THE COLUMN DATA
for r in rows:
print(r) # this prints nothing
print(soup) # this prints the page but the markups are missing and replaced with '<tr><td><'
return
if __name__ == '__main__':
main()
如果我在 chrome 中手动加载页面,我可以看到应该能够解析的“td”和“tr”标记,但由于某种原因没有打印?但是,如果我只打印整个汤对象,似乎缺少标记,这解释了为什么 print(r) 什么也不返回。但是,我不知道如何解析出我需要的部分? (基础网页表格显示的数据:https://uk.reuters.com/business/currencies)。
真的想要解释一下这里发生了什么吗?它看起来像名为 json 的格式,但我从未真正使用过它,当我尝试 json.loads(soup) 时,它说它无法加载汤对象,所以我尝试 json.loads(soup.text()) 但是我得到一个 ValueError: Expecting value: line 1 column 1 (char 0)。
如果有人能帮我解析数据,我会非常感激吗?非常感谢您的阅读!
【问题讨论】:
标签: python json web-scraping beautifulsoup