0

我想从这个站点抓取以下三个数据点：%verified、FAR 的数值和 POD 的数值。我试图在 BeautifulSoup 中做到这一点，但我没有在站点遍历方面练习过，所以我无法描述这些元素的位置。

这样做最简单的方法是什么？

4

3 回答 3

2

如果您还没有安装Firebug for Firefox 并使用它来检查页面的 html 源代码。

使用urllib和BeautifulSoup的组合来处理 html 的检索和解析。这是一个简短的例子：

import urllib
from BeautifulSoup import BeautifulSoup

url = 'http://mesonet.agron.iastate.edu/cow/?syear=2009&smonth=9&sday=12&shour=12&eyear=2012&emonth=9&eday=12&ehour=12&wfo=ABQ&wtype[]=TO&hail=1.00&lsrbuffer=15&ltype[]=T&wind=58'
fp = urllib.urlopen(url).read()
soup = BeautifulSoup(fp)

print soup

从这里开始，我提供的链接应该为您提供如何检索您感兴趣的元素的良好开端。

于 2013-02-01T18:22:59.677 回答
1

我最终自己解决了这个问题——我正在使用类似于 isedev 的策略，但我希望我能找到一种更好的方法来获取“已验证”数据：

import urllib2
from bs4 import BeautifulSoup

wfo = list()

def main():
    wfo = [i.strip() for i in open('C:\Python27\wfo.txt') if i[:-1]]
    soup = BeautifulSoup(urllib2.urlopen('http://mesonet.agron.iastate.edu/cow/?syear=2009&smonth=9&sday=12&shour=12&eyear=2012&emonth=9&eday=12&ehour=12&wfo=ABQ&wtype%5B%5D=TO&hail=1.00&lsrbuffer=15&ltype%5B%5D=T&wind=58').read())
    elements = soup.find_all("span")
    find_verify = soup.find_all('th')

    far= float(elements[1].text)
    pod= float(elements[2].text)
    verified = (find_verify[13].text[:-1])
于 2013-02-01T19:12:01.410 回答
1

就像 That1Guy 所说的，你需要分析源页面结构。在这种情况下，你很幸运......你正在寻找的数字使用红色特别突出显示<span>。

这将执行此操作：

>>> import urllib2
>>> import lxml.html
>>> url = ... # put your URL here
>>> html = urllib2.urlopen(url)
>>> soup = lxml.html.soupparser.fromstring(html)
>>> elements = soup.xpath('//th/span')
>>> print float(elements[0].text) # FAR
0.67
>>> print float(elements[1].text) # POD
0.58

Notelxml.html.soupparser几乎等同于BeautifulSoup解析器（我现在不需要处理）。

于 2013-02-01T18:40:04.483 回答