网页搜刮时无法获取所有数据

如何解决网页搜刮时无法获取所有数据

我正在尝试通过网络抓取此URL = https://www.ventanillaunicaenfermeria.es/BuscarColegiados.php。 我需要收集“ N°cole”的值。列和“ Nombre Colegiado”列。

我正在使用BeautifulSoup,但仅获得“ N°cole”值。柱。我该如何解决?

谢谢!

这是我的代码:

from requests import get
from bs4 import BeautifulSoup
import pandas as pd
import numpy as np

page = requests.get('https://www.ventanillaunicaenfermeria.es/BuscarColegiados.php')
soup = BeautifulSoup(page.text,'html.parser')
data = soup.find_all("span",{'class':'colColegiado'})
numero_col = []
for i in data:
    data_num = i.text.strip()
    numero_col.append(data_num)
numero_col
['Nº cole.','6478','13107','7341','12110','5625','4877','4700','9126','8444','13120','5023','12235','7747','17701','17391','17944','17772','7230','11729','17275']

解决方法

您当前正在从错误的html元素中获取值-它应该来自具有<p>类的所有resalto中的值。

import requests
from bs4 import BeautifulSoup
#import pandas as pd
#import numpy as np

page = requests.get('https://www.ventanillaunicaenfermeria.es/BuscarColegiados.php')
soup = BeautifulSoup(page.text,'html.parser')
data = soup.find_all("p",{'class':'resalto'})
schools = []
for result in data:
    data_num = result.contents[0].text.strip()
    #numero_col.append(data_num)
    data_name = str(result.contents[1])
    schools.append((data_num,data_name))
print(schools)
,

您不能一次选择所有p,而只能遍历表中的段落。以下代码采用页码并将表保存到csv文件中。

import requests
from bs4 import BeautifulSoup
import pandas as pd

pageno = 1
res = requests.get(f'https://www.ventanillaunicaenfermeria.es/BuscarColegiados.php?nombre=&ap=&colegio=&col=&nif=&pagina={pageno}')
soup = BeautifulSoup(res.text,"html.parser")
header = soup.find("div",{"id":"contactaForm"}).find("h4")
cols = [header.find("span").get_text(),header.get_text().replace(header.find("span").get_text(),"")]
data = []

for p in soup.find("div",{"id":"contactaForm"}).find_all("p"):
    if len(p['class']) == 0 or p['class'][0] == "resalto":
        child = list(p.children)
        data.append([child[0].get_text(strip=True),child[1]])

df = pd.DataFrame(data,columns=cols)
df.to_csv("data.csv",index=False)
print(df)

输出:

     Nº cole.               Nombre colegiado
0      6478             GUADALUPE  LAZARO LAZARO
1     13107             JOSE MARIA  PIÑA MANZANO
2      7341             HEIKE ELFRIEDE  BIRKHOLZ
3     12110                 ESTHER  TIZON ROLDAN
4      5625  MARIA DOLORES  TOMAS GARCIA-VAQUERO
5      4877         MARIA CARMEN  CASADO LLAVONA
6      4700   MANUEL  GUILABERT ORTEGA-VILLAIZAN
7      9126     MARIA ESPERANZA  ASENSIO ALMAZAN
8      8444        CONCEPCION  VIALARD RODRIGUEZ
9     13120           NURIA  VILLAESCUSA SANCHEZ
10     5023                 ARTURO  BONET BLANCO
11    12235               ALFONSO  JIMENEZ LOPEZ
12     7747              JACOBUS PETRUS  SINNIGE
13    17701                ANIA  BRAVO FIGUEREDO
14    17391                   LUSINE  DAMIRCHYAN
15    17944                 ISALKOU  DJIL MERHBA
16    17772       CARLA DENISSE  FIGUEROA PIEDRA
17     7230         MARIA ISABEL  VISO CABAÑERO
18    11729                PILAR  GARCIA SALAZAR
19    17275         MARIA  LOURDES  MALLEN LLUIS

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?