pythonBeautifulSoup解析テーブル


89

私はPythonrequestsとBeautifulSoupを学んでいます。演習のために、私は簡単なニューヨークの駐車違反切符パーサーを書くことにしました。私はかなり醜いhtml応答を得ることができます。を取得してlineItemsTable、すべてのチケットを解析する必要があります。

あなたはここに行くことによってページを複製することができます:https://paydirect.link2gov.com/NYCParking-Plate/ItemSearchそしてNYプレートを入力してくださいT630134C

soup = BeautifulSoup(plateRequest.text)
#print(soup.prettify())
#print soup.find_all('tr')

table = soup.find("table", { "class" : "lineItemsTable" })
for row in table.findAll("tr"):
    cells = row.findAll("td")
    print cells

誰かが私を助けてくれますか?すべてを探しているだけでtrは、どこにも行きません。


よく読んでみると、あなたの質問が何であるかは実際にはわかりません。助けが必要な部分を正確に明確にできますか?
TML 2014

質問リンク-壊れた:一般的な<table>の実用的な例を以下に示します。
eusoubrasileiro

回答:


173

どうぞ:

data = []
table = soup.find('table', attrs={'class':'lineItemsTable'})
table_body = table.find('tbody')

rows = table_body.find_all('tr')
for row in rows:
    cols = row.find_all('td')
    cols = [ele.text.strip() for ele in cols]
    data.append([ele for ele in cols if ele]) # Get rid of empty values

これはあなたに与えます:

[ [u'1359711259', u'SRF', u'08/05/2013', u'5310 4 AVE', u'K', u'19', u'125.00', u'$'], 
  [u'7086775850', u'PAS', u'12/14/2013', u'3908 6th Ave', u'K', u'40', u'125.00', u'$'], 
  [u'7355010165', u'OMT', u'12/14/2013', u'3908 6th Ave', u'K', u'40', u'145.00', u'$'], 
  [u'4002488755', u'OMT', u'02/12/2014', u'NB 1ST AVE @ E 23RD ST', u'5', u'115.00', u'$'], 
  [u'7913806837', u'OMT', u'03/03/2014', u'5015 4th Ave', u'K', u'46', u'115.00', u'$'], 
  [u'5080015366', u'OMT', u'03/10/2014', u'EB 65TH ST @ 16TH AV E', u'7', u'50.00', u'$'], 
  [u'7208770670', u'OMT', u'04/08/2014', u'333 15th St', u'K', u'70', u'65.00', u'$'], 
  [u'$0.00\n\n\nPayment Amount:']
]

注意すべき点がいくつかあります。

  • 上記の出力の最後の行である支払い額はテーブルの一部ではありませんが、それがテーブルのレイアウト方法です。リストの長さが7未満かどうかを確認することで、フィルターで除外できます。
  • すべての行の最後の列は入力テキストボックスであるため、個別に処理する必要があります。

6
なぜそれがあなたのために働くのだろうか...私は得るrows = table_body.find_all('tr') AttributeError: 'NoneType' object has no attribute 'find_all'
Cmag 2014

@Cmag Beautiful Soup 4を使用していますか?
シャクティマーン2014

1
交換するfind_allfindAll
user2314737

4
@ user2314737 BSは、キャメルケースとアンダースコア表記の両方をサポートしています。Pythonのコーディングガイドラインに合わせたアンダースコアを使用しています。
シャクティマーン2014

3
エラーを解決しました。htmlのビューを調べるとtbodyが表示されますが、値を印刷すると、table = soup.find('table', attrs={'class':'analysis'})そこにtbodyが表示されないため、tdとtrを見つけるだけでうまくいきました 。したがって、私によると、エラーAttributeError: 'NoneType' object has no attribute 'find_all'が発生する原因 は、ページのhtmlにないタグまたはフィールドを渡したときです。
Umesh Kaushik 2017

23

解決しました、これはあなたが彼らのhtml結果を解析する方法です:

table = soup.find("table", { "class" : "lineItemsTable" })
for row in table.findAll("tr"):
    cells = row.findAll("td")
    if len(cells) == 9:
        summons = cells[1].find(text=True)
        plateType = cells[2].find(text=True)
        vDate = cells[3].find(text=True)
        location = cells[4].find(text=True)
        borough = cells[5].find(text=True)
        vCode = cells[6].find(text=True)
        amount = cells[7].find(text=True)
        print amount

18

更新:2020

プログラマーがWebページからのテーブルの解析のみに関心がある場合は、pandasメソッドを利用できpandas.read_htmlます。

次のWebサイトからGDPデータテーブルを抽出するとします。https//worldpopulationreview.com/countries/countries-by-gdp/#worldCountries

次に、次のコードが完全に機能します(beautifulsoupやfancy htmlは必要ありません)。

import pandas as pd
import requests

url = "https://worldpopulationreview.com/countries/countries-by-gdp/#worldCountries"

r = requests.get(url)
df_list = pd.read_html(r.text) # this parses all the tables in webpages to a list
df = df_list[0]
df.head()

出力

ウェブサイトの表の最初の5行


同意しました-これは明らかに2020年の時点で最良のアプローチです!
kfmfe 0420

2
プロジェクトのどこかですでにパンダを使用している場合のみ。1台のためのあまり依存関係
СергейЯхницкий

ハハあなたは私の例の以下をコピーして答えを改善しました。まあ、少なくとも私はパンダがそのような方法を持っていることを知りたいと思いました。いいね!
eusoubrasileiro

ええ、私はあなたの例からGDPのURLをデータ化するために使用しました。はい、あなたが迅速な方法が好きなら、私たちpd.read_htmlはリクエストと美しいスープの全体のダンスの代わりに単に使うことができます。
BhishanPoudel20年

4

これはジェネリックの実例です<table>。(質問リンク-壊れた

GDP(国内総生産)によってここの国から表を抽出します。

htmltable = soup.find('table', { 'class' : 'table table-striped' })
# where the dictionary specify unique attributes for the 'table' tag

このtableDataText関数は、タグで始まり、<table> その後に複数の<tr>(テーブル行<td>)タグと内部(テーブルデータ)タグが続くhtmlセグメントを解析します。内部列を持つ行のリストを返します。<th>最初の行で1つ(テーブルヘッダー/データ)のみを受け入れます。

def tableDataText(table):       
    rows = []
    trs = table.find_all('tr')
    headerow = [td.get_text(strip=True) for td in trs[0].find_all('th')] # header row
    if headerow: # if there is a header row include first
        rows.append(headerow)
        trs = trs[1:]
    for tr in trs: # for every table row
        rows.append([td.get_text(strip=True) for td in tr.find_all('td')]) # data row
    return rows

それを使用して(最初の2行)を取得します。

list_table = tableDataText(htmltable)
list_table[:2]

[['Rank',
  'Name',
  "GDP (IMF '19)",
  "GDP (UN '16)",
  'GDP Per Capita',
  '2019 Population'],
 ['1',
  'United States',
  '21.41 trillion',
  '18.62 trillion',
  '$65,064',
  '329,064,917']]

これはpandas.DataFrame、より高度なツールに簡単に変換できます。

import pandas as pd
dftable = pd.DataFrame(list_table[1:], columns=list_table[0])
dftable.head(4)

pandas DataFramehtmlテーブル出力


0
from behave import *
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as ec
import pandas as pd
import requests
from bs4 import BeautifulSoup
from tabulate import tabulate

class readTableDataFromDB: 
    def LookupValueFromColumnSingleKey(context, tablexpath, rowName, columnName):
        print("element present readData From Table")
        element = context.driver.find_elements_by_xpath(tablexpath+"/descendant::th")
        indexrow = 1
        indexcolumn = 1
        for values in element:
            valuepresent = values.text
            print("text present here::"+valuepresent+"rowName::"+rowName)
            if valuepresent.find(columnName) != -1:
                 print("current row"+str(indexrow) +"value"+valuepresent)
                 break
            else:
                 indexrow = indexrow+1    

        indexvalue = context.driver.find_elements_by_xpath(
            tablexpath+"/descendant::tr/td[1]")
        for valuescolumn in indexvalue:
            valuepresentcolumn = valuescolumn.text
            print("Team text present here::" +
                  valuepresentcolumn+"columnName::"+rowName)
            print(indexcolumn) 
            if valuepresentcolumn.find(rowName) != -1:
                print("current column"+str(indexcolumn) +
                      "value"+valuepresentcolumn)
                break
            else:
                indexcolumn = indexcolumn+1

        print("index column"+str(indexcolumn))
        print(tablexpath +"//descendant::tr["+str(indexcolumn)+"]/td["+str(indexrow)+"]")
        #lookupelement = context.driver.find_element_by_xpath(tablexpath +"//descendant::tr["+str(indexcolumn)+"]/td["+str(indexrow)+"]")
        #print(lookupelement.text)
        return context.driver.find_elements_by_xpath(tablexpath+"//descendant::tr["+str(indexcolumn)+"]/td["+str(indexrow)+"]")

    def LookupValueFromColumnTwoKeyssss(context, tablexpath, rowName, columnName, columnName1):
        print("element present readData From Table")
        element = context.driver.find_elements_by_xpath(
            tablexpath+"/descendant::th")
        indexrow = 1
        indexcolumn = 1
        indexcolumn1 = 1
        for values in element:
            valuepresent = values.text
            print("text present here::"+valuepresent)
            indexrow = indexrow+1
            if valuepresent == columnName:
                print("current row value"+str(indexrow)+"value"+valuepresent)
                break

        for values in element:
            valuepresent = values.text
            print("text present here::"+valuepresent)
            indexrow = indexrow+1
            if valuepresent.find(columnName1) != -1:
                print("current row value"+str(indexrow)+"value"+valuepresent)
                break

        indexvalue = context.driver.find_elements_by_xpath(
            tablexpath+"/descendant::tr/td[1]")
        for valuescolumn in indexvalue:
            valuepresentcolumn = valuescolumn.text
            print("Team text present here::"+valuepresentcolumn)
            print(indexcolumn)
            indexcolumn = indexcolumn+1
            if valuepresent.find(rowName) != -1:
                print("current column"+str(indexcolumn) +
                      "value"+valuepresentcolumn)
                break
        print("indexrow"+str(indexrow))
        print("index column"+str(indexcolumn))
        lookupelement = context.driver.find_element_by_xpath(
            tablexpath+"//descendant::tr["+str(indexcolumn)+"]/td["+str(indexrow)+"]")
        print(tablexpath +
              "//descendant::tr["+str(indexcolumn)+"]/td["+str(indexrow)+"]")
        print(lookupelement.text)
        return context.driver.find_element_by_xpath(tablexpath+"//descendant::tr["+str(indexrow)+"]/td["+str(indexcolumn)+"]")
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.