Python从网站上抓取表?

Posted

技术标签:

【中文标题】Python从网站上抓取表?【英文标题】:Python scrape table from website? 【发布时间】:2017-11-26 00:15:13 【问题描述】:

我想收集所有可在 treasury.gov 网站上获得的国债收益率。

https://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/TextView.aspx?data=yieldAll

我将如何获取这些信息?我假设我必须使用 BeautifulSoup 或 Selenium 或类似的东西(最好是 BS4)。我最终想把这些数据放在 Pandas DataFrame 中。

【问题讨论】:

【参考方案1】:

这是一种使用 requests 和 beautifulsoup 获取表中数据的方法

import pandas as pd
import requests
from bs4 import BeautifulSoup

url = 'https://www.treasury.gov/resource-center/data-chart-center/interest-rates/Pages/TextView.aspx?data=yieldAll'

r = requests.get(url)
html = r.text

soup = BeautifulSoup(html)
table = soup.find('table', "class": "t-chart")
rows = table.find_all('tr')
data = []
for row in rows[1:]:
    cols = row.find_all('td')
    cols = [ele.text.strip() for ele in cols]
    data.append([ele for ele in cols if ele])

result = pd.DataFrame(data, columns=['Date', '1 Mo', '2 Mo', '3 Mo', '6 Mo', '1 Yr', '2 Yr', '3 Yr', '5 Yr', '7 Yr', '10 Yr', '20 Yr', '30 Yr'])

print(result)

【讨论】:

'2 Mo' 丢失。只需将其添加到数组中即可避免错误:ValueError: 12 columns passed, passed data had 13 columns。我试图编辑答案,但由于 ***“队列已满”而无法编辑。

以上是关于Python从网站上抓取表?的主要内容,如果未能解决你的问题,请参考以下文章

使用python如何摆脱从网站上抓取的文本中的尾随空格[重复]

python中,进行爬虫抓取怎么样能够使用代理IP?

从气候变化网站 PYTHON 抓取文件

在没有 [href] 的多层网站上进行 Python 网页抓取

Python网页抓取 - 当页面通过JS加载内容时如何获取资源?

使用 Scrapy 抓取 Python 数据