0

1.爬CN-ABS https://www.cn-abs.com/Deal/D... ,这个表格数据不知道怎么弄下来,这个表格数据是由div嵌套的,不是trtd那种

clipboard.png

2.我的代码

import requests
from bs4 import BeautifulSoup
import pprint
import csv
from urllib.request import urlopen
# wb_data = requests.get('https://www.cn-abs.com/Deal/DealInformation.aspx?dealid=3325')
html = urlopen("https://www.cn-abs.com/Deal/DealInformation.aspx?dealid=3325")
soup = BeautifulSoup(html, 'lxml')
rows = soup.select('.abs-col-8')

csvFile = open("editors.csv", 'wt', newline='', encoding='utf-8')
writer = csv.writer(csvFile)

for row in rows:
    csvRow = []
    # for cell in row.select('span.abs-col-4.abs-label.abs-col-paddingx-10'):
    #     pprint.pprint(cell.text)
        # csvRow.append(cell.get_text())
    for cell in row.select('span.abs-col-8 abs-col-paddingx-10'):
        print(cell.text)
    writer.writerow(csvRow)

3.现在可以解决的是绿色字体如产品名称什么的能弄下来,但是白色黄色字体什么的弄不下来,

clipboard.png

clipboard.png

白色字体相对黄色有个加粗,我想做的就是把span a 标签里面的文本都读出来,但不知道怎么读 本来想id 发现他们的ID不一样,现在卡在select('span.abs-col-8 abs-col-paddingx-10')这,我也尝试过用select('a')select('span')但是有问题,span 虽然能把所有数据读出来,但是带有span标签的会重复两次,无语

4.求大神给点建议,可以的话附上代码,好想把这个表格数据扣下来。。。

2018-07-04 提问
2 个回答
0

如果绿色的字体不变的,建议把图片里的HTML代码去掉html所有标签,只留下文字text;
使用正则或者自己一点一点截取都可以;数据都有了,不一定用css选择器去拿吧

0

可以使用xpath 获取每一个DIV下的两个span 然后再对span进行文本获取
文本测试如下

<span>
    <span>test</span>
    <span>.pdf</span>
</span>
from lxml import etree
html = etree.parse('hello.html')
result = html.xpath('//span/span/text()')
print(result)
运行结果['test', '.pdf']

撰写答案

推广链接