标签:html5 python3 应该 color list mkt 代码 from rom
结合个人需求,从某个网站获取一些数据,发现网页链接是隐藏的,需要通过浏览器看后面的代码来获取真实的链接。
下面这个案例,直接是从真实的链接中爬去数据。
此外,发现用pandas的read_html不能直接解析“lxml”的表格,有待后续研究。
另外,爬去的数据发现有很多空格符号,主要是 "\r"、"\n"、"\t",
字符串的去除 "\r"、"\n"、"\t" 的方法也一并添加在这个案例中。
具体代码如下:
1 # Code based on Python 3.x 2 # _*_ coding: utf-8 _*_ 3 # __Author: "LEMON" 4 5 6 from bs4 import BeautifulSoup 7 import requests 8 import csv 9 10 url2 = ‘http://ets.cnemission.com/carbon/portalIndex/markethistory?Top=1‘ 11 12 req = requests.get(url2) 13 # soup = BeautifulSoup(req.content, ‘html5lib‘) 14 soup = BeautifulSoup(req.content, ‘lxml‘) 15 # 用“lxml”解析,可以获得数据,但csv文件中每行有空行 16 17 table = soup.table 18 trs = table.find_all(‘tr‘) 19 20 list1 = [] 21 for tr in trs: 22 td = tr.find_all(‘td‘) 23 24 # 去除每个单元格数据后面的"\r"和"\n"和"\t", 25 # 下面两种方法都可以生成csv文件, 26 # 但method1生成的csv文件较小,应该是优化性能较好,暂时不明白其中原理 27 # method1 28 row = [i.text.replace(‘\r‘, ‘‘).replace(‘\n‘, ‘‘).replace(‘\t‘, ‘‘) for i in td] 29 # method 2 30 # row = [i.text.replace(‘\r\n\t‘, ‘‘) for i in td] 31 32 list1.append(row) 33 34 with open(‘MktDataGuangdong.csv‘, ‘a‘, errors=‘ignore‘, newline=‘‘) as f: 35 f_csv = csv.writer(f) 36 f_csv.writerows(list1)
python3实践-从网站获取数据(Carbon Market Data-GD) (bs4/Beautifulsoup)
标签:html5 python3 应该 color list mkt 代码 from rom
原文地址:http://www.cnblogs.com/lemonbit/p/6291489.html