用美丽的汤努力获得干净的Excel

【问题标题】：Struggle to obtain a clean excel with beautiful soup用美丽的汤努力获得干净的Excel
【发布时间】：2021-11-03 21:46:00
【问题描述】：

我正在尝试从一个网站获取有关其营业时间的信息，但我的结果非常令人失望。

import requests
from bs4 import BeautifulSoup
import xlsxwriter

i = "90460"

URL = "https://www.tuodi.it/negozi-dettaglio.cfm?negozio=%s" % i
page = requests.get(URL)

soup = BeautifulSoup(page.content, "html.parser")

results = soup.find(id="orario" , style="width:50%;float:left")
orari = results.find_all("div", class_="tab", style="width:220px;line-height: 25px")

print(orari)

我的输出如下所示

[<div class="tab" style="width:220px;line-height: 25px">
                            8,30 
                            - 20,00 
                            <br/>
                            
                            
                            
                            8,30 
                            - 20,00 
                            <br/>...

但我宁愿有一个可以导出为 excel 的结果

Excel result

提前致谢！

【问题讨论】：

标签： excel web-scraping beautifulsoup

【解决方案1】：

要获得结果，您可以使用.stripped_strings 和list comprehension：

[''.join(x.split()) for x in orari[0].stripped_strings]

这将为您提供一个列表，您可以将其写入文件：

['8,30-20,00', '8,30-20,00', '8,30-20,00', '8,30-20,00', '8,30-20,00', '8,30-20,00', '8,00-13,00']

示例

import requests
from bs4 import BeautifulSoup
import pandas as pd
i = "90460"

URL = "https://www.tuodi.it/negozi-dettaglio.cfm?negozio=%s" % i
page = requests.get(URL)

soup = BeautifulSoup(page.content, "html.parser")

results = soup.find(id="orario" , style="width:50%;float:left")
orari = results.find_all("div", class_="tab", style="width:220px;line-height: 25px")

data = [''.join(x.split()) for x in orari[0].stripped_strings]

pd.DataFrame([data]).to_excel('test.xslx', index=False)

【讨论】：