python web抓取（如果使用所有标量值，则必须传递索引）

Posted 2023-03-11

【中文标题】python web抓取（如果使用所有标量值，则必须传递索引）

【英文标题】：python web scraping (If using all scalar values, you must pass an index)

【发布时间】：2020-03-19 08:43:00

【问题描述】：

我正在尝试使用 python 进行网络抓取。当我尝试创建一个数据框来存储带有提取信息的变量时，它显示“ValueError：如果使用所有标量值，则必须传递一个索引”。我已经通过尝试索引'trade_name':trade_name, index=[0])查看了本网站的其他相关帖子，但仍然无法解决。请帮忙。

import pandas as pd
import requests
import urllib.request
import time
from bs4 import BeautifulSoup

url = 'https://www.medindia.net/doctors/drug_information/abacavir.htm'
response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser")
drug = soup.find(class_='mi-container__fluid')
print(drug)

# whole page contain drug content
items = drug.find_all(class_='report-content drug-widget')
print(items)

# extract drug information from drug content into individual variable
trade_name = print(items[0].find(class_='drug-content').get_text())
function = print(items[1].find(class_='drug-content').get_text())
Contraindications = print(items[2].find(class_='drug-content').get_text())
Dosage = print(items[3].find(class_='drug-content').get_text())
how_to_use = print(items[4].find(class_='drug-content').get_text())
warnings = print(items[5].find(class_='drug-content').get_text())
storage = print(items[7].find(class_='drug-content').get_text())


drug_stuff = pd.DataFrame(
        
                'trade_name':trade_name,
                'function': function,
                'Contraindications': Contraindications,
                'Dosage': Dosage,
                'how_to_use':how_to_use,
                'warnings':warnings,
                'storage':storage,
                
        )


print(drug_stuff)

【问题讨论】：

print() 总是返回 None - 所以 trade_name = print( ...) 像 trade_name = None 一样工作。删除print() 以将值分配给变量trade_name = items[0].find(class_='drug-content').get_text()

我已经完成了删除打印，但在尝试使用变量创建数据框时仍然显示相同的错误。

要创建DataFrame，你必须使用带有元素的列表——即使你只有一个元素——'trade_name': [trade_name], ..., 'storage': [storage],——然后它会在没有警告的情况下工作

谢谢。那解决了我的问题。现在我需要知道如何清除数据中的换行符。

也许是get_text(strip=True)。最终text = text.replace("\n", "")

【参考方案1】：

首先：print() 总是返回 None - 所以 trade_name = print(...) 像 trade_name = None 一样工作，你什么也得不到。删除print() 为变量赋值

 trade_name = items[0].find(class_='drug-content').get_text()

---

要创建DataFrame，您必须使用带有元素的列表 - 即使您只有一个元素 -

'trade_name': [trade_name], ..., 'storage': [storage],

然后它会在没有警告的情况下工作。

如果您不使用[]，那么它可能会将trade_name、storage 中的字符串视为字符列表，并将每个字符放在单独的行中。因为字符串有不同数量的字符，所以它们会创建不同数量的行，这可能会产生问题并显示警告。

---

顺便说一句：您可以使用get_text(strip=True) 删除一些无用的空格、制表符、文本输入。

---

import pandas as pd
import requests
import urllib.request
import time
from bs4 import BeautifulSoup

url = 'https://www.medindia.net/doctors/drug_information/abacavir.htm'
response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser")
drug = soup.find(class_='mi-container__fluid')
#print(drug)

# whole page contain drug content
items = drug.find_all(class_='report-content drug-widget')
#print(items)

# extract drug information from drug content into individual variable
trade_name = items[0].find(class_='drug-content').get_text(strip=True)
function = items[1].find(class_='drug-content').get_text(strip=True)
contraindications = items[2].find(class_='drug-content').get_text(strip=True)
dosage = items[3].find(class_='drug-content').get_text(strip=True)
how_to_use = items[4].find(class_='drug-content').get_text(strip=True)
warnings = items[5].find(class_='drug-content').get_text(strip=True)
storage = items[7].find(class_='drug-content').get_text(strip=True)


drug_stuff = pd.DataFrame(
    'trade_name': [trade_name],
    'function': [function],
    'contraindications': [contraindications],
    'dosage': [dosage],
    'how_to_use': [how_to_use],
    'warnings': [warnings],
    'storage': [storage],
)

print(drug_stuff)