作者sky800507 (B翰)
看板Python
标题Re: [问题] 爬虫 如何爬指定资料
时间Sat Feb 18 17:05:00 2017
※ 引述《a856479 (thebelief)》之铭言：
: 大家好，由於我没有程式语言的基础
: 最近试着爬网页资料时遇到一个问题不知道怎麽解决
: 请求各位协助帮忙，谢谢!
: 目标网址:https://goo.gl/02M292
: 目标资料:只要"今日十全战法偏多"里面出现的股票名称
: 问题:我找不出"今日十全战法偏多"的class或能定义它的方式，
: 导致只能抓取到网页内所有的股票名称...
: ----------以下是我目前的写法----------
: import requests
: from bs4 import BeautifulSoup
: res = requests.get("http://www.sohowgood.com/TwStock/PowerKLine.aspx")
: soup = BeautifulSoup(res.text, "lxml")
: stocks = soup.find_all('li')
: for stock in stocks:
: meta = stock.find('a')
: stockid = meta.getText().strip()
: print(stockid)
: 请问我该如何修改才能抓取到我需要的部分? 谢谢大家
import requests
from bs4 import BeautifulSoup
res = requests.get('
http://www.sohowgood.com/TwStock/PowerKLine.aspx')
soup = BeautifulSoup(res.text, 'lxml')
for stock in soup.select('ul')[5].select('li a'):
print(stock['title'])
如果怕ul的每次顺序不是5，可以这样写:
import requests
from bs4 import BeautifulSoup
res = requests.get('
http://www.sohowgood.com/TwStock/PowerKLine.aspx')
soup = BeautifulSoup(res.text, 'lxml')
for table in soup.select('h2'):
if table.text == '今日十全战法偏多':
for stock in table.next_sibling.next_sibling.select('li a'):
print(stock['title'])
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.160.52.219
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1487408702.A.95F.html
1F：→ a856479: 谢谢sky大的回应!本来苦恼怎麽指定'h2'的这个问题，现在 02/18 22:36
2F：→ a856479: 终於了解了 02/18 22:37