18

このサイトから情報 (html テーブル) を解析しようとしています: http://www.511virginia.org/RoadConditions.aspx?j=All&r=1

現在、私は BeautifulSoup を使用しており、私が持っているコードは次のようになります

from mechanize import Browser
from BeautifulSoup import BeautifulSoup

mech = Browser()

url = "http://www.511virginia.org/RoadConditions.aspx?j=All&r=1"
page = mech.open(url)

html = page.read()
soup = BeautifulSoup(html)

table = soup.find("table")

rows = table.findAll('tr')[3]

cols = rows.findAll('td')

roadtype = cols[0].string
start = cols.[1].string
end = cols[2].string
condition = cols[3].string
reason = cols[4].string
update = cols[5].string

entry = (roadtype, start, end, condition, reason, update)

print entry

問題は、開始列と終了列にあります。それらは「なし」として印刷されます

出力：

(u'Rt. 613N (Giles County)', None, None, u'Moderate', u'snow or ice', u'01/13/2010 10:50 AM')

それらが列リストに保存されることは知っていますが、余分なリンクタグが次のような元のhtmlでの解析を台無しにしているようです:

<td headers="road-type" class="ConditionsCellText">Rt. 613N (Giles County)</td>
<td headers="start" class="ConditionsCellText"><a href="conditions.aspx?lat=37.43036753&long=-80.51118005#viewmap">Big Stony Ck Rd; Rt. 635E/W (Giles County)</a></td>
<td headers="end" class="ConditionsCellText"><a href="conditions.aspx?lat=37.43036753&long=-80.51118005#viewmap">Cabin Ln; Rocky Mount Rd; Rt. 721E/W (Giles County)</a></td>
<td headers="condition" class="ConditionsCellText">Moderate</td>
<td headers="reason" class="ConditionsCellText">snow or ice</td>
<td headers="update" class="ConditionsCellText">01/13/2010 10:50 AM</td>

したがって、印刷する必要があるのは次のとおりです。

(u'Rt. 613N (Giles County)', u'Big Stony Ck Rd; Rt. 635E/W (Giles County)', u'Cabin Ln; Rocky Mount Rd; Rt. 721E/W (Giles County)', u'Moderate', u'snow or ice', u'01/13/2010 10:50 AM')

任意の提案やヘルプをいただければ幸いです。事前に感謝します。

4

2 に答える 2

33 
start = cols[1].find('a').string

またはより簡単

start = cols[1].a.string

またはそれ以上

start = str(cols[1].find(text=True))

と

entry = [str(x) for x in cols.findAll(text=True)]
于 2010-01-13T18:56:45.037 に答える
2

エラーを再現しようとしましたが、ソースの html ページが変更されました。

エラーについて、私は同様の問題を抱えていました、例を再現しようとしているのはこちらです

ウィキペディア テーブルの提案された URL の変更

BeautifulSoup4に移動して修正しました

from bs4 import BeautifulSoup

.stringforを変更する.get_text()

start = cols[1].get_text()

あなたの例ではテストできませんでした（前に言ったように、エラーを再現できませんでした）が、この問題の解決策を探している人には役立つと思います。

于 2014-01-18T14:05:57.137 に答える