主頁 > 後端開發 > 通過從不同的兩個或多個等中抓取來創建資料框

通過從不同的兩個或多個等中抓取來創建資料框

2022-01-17 00:53:18 後端開發

我遇到了一個小問題,希望您能提供幫助。我想通過從網頁的兩個部分抓取來創建一個 df。我似乎被困在第二部分。我的要求是獲得每個馬名和相關賠率的 df。例如。馬賠率 name1 奇數 1 name2 奇數2

我在腳本中使用了一個示例頁面,但對于任何一個頁面都是相同的:基本網址https://www.racingtv.com/racecards/tomorrow :然后選擇任何時間以獲取另一個頁面,其中包含馬名和賠率詳細資訊等等。

import requests
import pandas as pd
from bs4 import BeautifulSoup


def main():
    # base url is https://www.racingtv.com/racecards/tomorrow
    # select any time to get the horse name and odds details etc.

    url = 'https://www.racingtv.com/racecards/catterick-bridge/372180-watch-racing-tv-now-novices-hurdle-gbb-race?'

    res = requests.get(url)
    soup = BeautifulSoup(res.content, "html.parser")
    strike = soup.select('div', class_='data-strike-out-group')

    # this bit seems to be working    
    for data in soup.find_all('div',
                              class_='racecard__runner__column racecard__runner__name'):
        for a in data.find_all('a'):
            print(a.text)

            # this bit sort of works but it seems to repeat the first three items of data
    for odds in soup.find_all('div',
                              class_='racecard__runner__column racecard__runner__column--price'):
        for odd1 in odds.find_all('ruk-odd'):
            print(odd1.text)

            # I tried this to work out how to stop getting the three duplicates but it does not work
    for odds in strike.select('div',
                              class_='racecard__runner__column racecard__runner__column--price'):
        for odd1 in odds.find_all('ruk-odd'):
            print(odd1.text)

    return


if __name__ == '__main__':
    main()

uj5u.com熱心網友回復:

class_='data-strike-out-group'

這不是一個類,請檢查原始 html。這是 div 的一個屬性……很奇怪

很高興你發布了這個,最終可能會將此站點用于個人專案。認為您會對這段代碼感興趣:

import requests
from bs4 import BeautifulSoup
import pandas as pd
from datetime import datetime

headers =   {
    'accept':'*/*',
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36',
    }

url = 'https://www.racingtv.com/racecards/catterick-bridge/372180-watch-racing-tv-now-novices-hurdle-gbb-race?'

resp = requests.get(url,headers=headers)
print(resp)

soup = BeautifulSoup(resp.text,'html.parser')
table = soup.find('div',{'class':'page__content__section racecard'})

race_id = url.split('/')[-1].split('-')[0]
race_name = soup.find('div',class_='race__name').text.strip()
race_date = soup.find('div',class_='race__date').text.strip()
clean_date = datetime.strptime(race_date,'%d %b %Y').strftime('%Y%m%d')
race_info1 = soup.find_all('div',class_='race__subtitle')[0].text.strip()
race_info2 = soup.find_all('div',class_='race__subtitle')[1].text.strip()

final = []
for row in table.find_all('div',class_='racecard__runner--content'):
    try:
        num = row.find('div',class_='racecard__runner__cloth-number').text.strip()
        last_days_ugly = row.find('div',class_='racecard__runner__name').find('a').find('sup').text
        horse_name = row.find('div',class_='racecard__runner__name').find('a').text.strip().replace(last_days_ugly,'')
        horse_link = 'http://www.racingtv.com' row.find('div',class_='racecard__runner__name').find('a')['href']
        last_race_days = last_days_ugly.strip().replace('(','').replace(')','')
        for people in row.find_all('div',class_='racecard__runner__person'):
            if 'J:' in people.getText():
                jockey = people.find('a').text.strip()
                jockey_link = 'http://www.racingtv.com' people.find('a')['href']
            if 'T:' in people.getText():
                trainer = people.find('a').text.strip()
                trainer_link = 'http://www.racingtv.com' people.find('a')['href']
        form = row.find('div',class_='racecard__runner__column--form_lr').find_all('div')[0].text.strip()
        equip = row.find('div',class_='racecard__runner__column--form_lr').find_all('div')[1].text.strip()
        weight = row.find('div',class_='racecard__runner__column--weight_age').find_all('div')[0].text.strip()
        age = row.find('div',class_='racecard__runner__column--weight_age').find_all('div')[1].text.strip()
        o_r = row.find('div',class_='racecard__runner__column--or').text.strip()
        odds = row.find('div',class_='racecard__runner__column--price').getText()
        odds_dec = row.find('div',class_='racecard__runner__column--price').find('ruk-odd')['data-js-odds-decimal']
        odds_data = row.find('div',class_='racecard__runner__column--price').find('ruk-odd')['data-js-odd-alternatives']

    except AttributeError: #skip blank starting gates
        continue

    item = {
        'race_url' : url,
        'race_id': race_id,
        'race_name':race_name,
        'race_date':clean_date,
        'race_info1':race_info1,
        'race_info2':race_info2,
        'num': num,
        'horse_name':horse_name,
        'horse_link':horse_link,
        'last_race_days':last_race_days,
        'jockey':jockey,
        'jockey_link':jockey_link,
        'trainer':trainer,
        'trainer_link':trainer_link,
        'form':form,
        'equip':equip,
        'weight':weight,
        'age':age,
        'o_r':o_r,
        'odds':odds,
        'odds_dec':odds_dec,
        'odds_data':odds_data
    }
    final.append(item)

df = pd.DataFrame(final)
df.to_csv('racingtv.csv',index=False)

print('Saved to racingtv.csv')

uj5u.com熱心網友回復:

繼 bushcat69 提供的腳本和我隨后的問題“如何將比賽時間輸入 df”之后,我拼湊了一些代碼(從其他站點剪切和粘貼)。我想你可能會感興趣。它可能不優雅,但似乎有效。這部分:

race_data.extend(get_racecards_data(url_race, date, racetime

用于將 url 等傳遞給 bushcat69 腳本。再次感謝。

def get_meetings():
global date
global date_ext
odds_date = date_ext

url = f'https://www.racingtv.com/racecards/{date_ext}'

try:
    res = requests.get(url, headers = headers)
except:
    print('Date or Connection error occured! \nTry again!!')
    return

soup = BeautifulSoup(res.text, 'html.parser')
meetings = soup.select('.race-selector__times__race')
course_num = len(meetings)

meetings1 = [a['href'] for a in soup.select('.race-selector__times__race')]
course_num = len(meetings1)

cnt01 = 0

if course_num == 0:
  print('Provide a upcoming valid date')
  return

for track in meetings1[:course_num]:
    cnt01 = cnt01   1
    trackref = track.split("/")[2]
    print(cnt01, ": ", trackref)

need = input(f'{course_num} courses found \nHow many courses to scrape? Press \'a\' for all :\n')
if need == 'a':
    n = course_num
else:
    try:
        n = int(need)
    except:
        print('Invalid input !')
        return

cnt01 = 0
race_data = []
for mtm in meetings[:course_num]:
    cnt01 = cnt01   1
    racetime = mtm.text
    href = mtm.attrs
    htxt = Text(href)
    url_race = htxt.partition("/")[2]
    url_race = "/"   url_race.rpartition("'")[0]
    print(cnt01, racetime, url_race)
    time.sleep(1)
    race_data.extend(get_racecards_data(url_race, date, racetime))
    print(f"Meeting {url_race.split('/')[2]} scraping completed")
    if cnt01 == n:
        break

df_race = pd.DataFrame(race_data)
df = df_race

轉載請註明出處,本文鏈接:https://www.uj5u.com/houduan/412069.html

標籤:

上一篇:讓資料僅出現在資料框的一列中的第一行

下一篇:用硒刮擦。對于范圍內的頁面()問題(已回答)

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 【C++】Microsoft C++、C 和匯編程式檔案

    ......

    uj5u.com 2020-09-10 00:57:23 more
  • 例外宣告

    相比于斷言適用于排除邏輯上不可能存在的狀態,例外通常是用于邏輯上可能發生的錯誤。 例外宣告 Item 1:當函式不可能拋出例外或不能接受拋出例外時,使用noexcept 理由 如果不打算拋出例外的話,程式就會認為無法處理這種錯誤,并且應當盡早終止,如此可以有效地阻止例外的傳播與擴散。 示例 //不可 ......

    uj5u.com 2020-09-10 00:57:27 more
  • Codeforces 1400E Clear the Multiset(貪心 + 分治)

    鏈接:https://codeforces.com/problemset/problem/1400/E 來源:Codeforces 思路:給你一個陣列,現在你可以進行兩種操作,操作1:將一段沒有 0 的區間進行減一的操作,操作2:將 i 位置上的元素歸零。最終問:將這個陣列的全部元素歸零后操作的最少 ......

    uj5u.com 2020-09-10 00:57:30 more
  • UVA11610 【Reverse Prime】

    本人看到此題沒有翻譯,就附帶了一個自己的翻譯版本 思考 這一題,它的第一個要求是找出所有 $7$ 位反向質數及其質因數的個數。 我們應該需要質數篩篩選1~$10^{7}$的所有數,這里就不慢慢介紹了。但是,重讀題,我們突然發現反向質數都是 $7$ 位,而將它反過來后的數字卻是 $6$ 位數,這就說明 ......

    uj5u.com 2020-09-10 00:57:36 more
  • 統計區間素數數量

    1 #pragma GCC optimize(2) 2 #include <bits/stdc++.h> 3 using namespace std; 4 bool isprime[1000000010]; 5 vector<int> prime; 6 inline int getlist(int ......

    uj5u.com 2020-09-10 00:57:47 more
  • C/C++編程筆記:C++中的 const 變數詳解,教你正確認識const用法

    1、C中的const 1、區域const變數存放在堆疊區中,會分配記憶體(也就是說可以通過地址間接修改變數的值)。測驗代碼如下: 運行結果: 2、全域const變數存放在只讀資料段(不能通過地址修改,會發生寫入錯誤), 默認為外部聯編,可以給其他源檔案使用(需要用extern關鍵字修飾) 運行結果: ......

    uj5u.com 2020-09-10 00:58:04 more
  • 【C++犯錯記錄】VS2019 MFC添加資源不懂如何修改資源宏ID

    1. 首先在資源視圖中,添加資源 2. 點擊新添加的資源,復制自動生成的ID 3. 在解決方案資源管理器中找到Resource.h檔案,編輯,使用整個專案搜索和替換的方式快速替換 宏宣告 4. Ctrl+Shift+F 全域搜索,點擊查找全部,然后逐個替換 5. 為什么使用搜索替換而不使用屬性視窗直 ......

    uj5u.com 2020-09-10 00:59:11 more
  • 【C++犯錯記錄】VS2019 MFC不懂的批量添加資源

    1. 打開資源頭檔案Resource.h,在其中預先定義好宏 ID(不清楚其實ID值應該設定多少,可以先新建一個相同的資源項,再在這個資源的ID值的基礎上遞增即可) 2. 在資源視圖中選中專案資源,按F7編輯資源檔案,按 ID 型別 相對路徑的形式添加 資源。(別忘了先把檔案拷貝到專案中的res檔案 ......

    uj5u.com 2020-09-10 01:00:19 more
  • C/C++編程筆記:關于C++的參考型別,專供新手入門使用

    今天要講的是C++中我最喜歡的一個用法——參考,也叫別名。 參考就是給一個變數名取一個變數名,方便我們間接地使用這個變數。我們可以給一個變數創建N個參考,這N + 1個變數共享了同一塊記憶體區域。(參考型別的變數會占用記憶體空間,占用的記憶體空間的大小和指標型別的大小是相同的。雖然參考是一個物件的別名,但 ......

    uj5u.com 2020-09-10 01:00:22 more
  • 【C/C++編程筆記】從頭開始學習C ++:初學者完整指南

    眾所周知,C ++的學習曲線陡峭,但是花時間學習這種語言將為您的職業帶來奇跡,并使您與其他開發人員區分開。您會更輕松地學習新語言,形成真正的解決問題的技能,并在編程的基礎上打下堅實的基礎。 C ++將幫助您養成良好的編程習慣(即清晰一致的編碼風格,在撰寫代碼時注釋代碼,并限制類內部的可見性),并且由 ......

    uj5u.com 2020-09-10 01:00:41 more
最新发布
  • Rust中的智能指標:Box<T> Rc<T> Arc<T> Cell<T> RefCell<T> Weak

    Rust中的智能指標是什么 智能指標(smart pointers)是一類資料結構,是擁有資料所有權和額外功能的指標。是指標的進一步發展 指標(pointer)是一個包含記憶體地址的變數的通用概念。這個地址參考,或 ” 指向”(points at)一些其 他資料 。參考以 & 符號為標志并借用了他們所 ......

    uj5u.com 2023-04-20 07:24:10 more
  • Java的值傳遞和參考傳遞

    值傳遞不會改變本身,參考傳遞(如果傳遞的值需要實體化到堆里)如果發生修改了會改變本身。 1.基本資料型別都是值傳遞 package com.example.basic; public class Test { public static void main(String[] args) { int ......

    uj5u.com 2023-04-20 07:24:04 more
  • [2]SpinalHDL教程——Scala簡單入門

    第一個 Scala 程式 shell里面輸入 $ scala scala> 1 + 1 res0: Int = 2 scala> println("Hello World!") Hello World! 檔案形式 object HelloWorld { /* 這是我的第一個 Scala 程式 * 以 ......

    uj5u.com 2023-04-20 07:23:58 more
  • 理解函式指標和回呼函式

    理解 函式指標 指向函式的指標。比如: 理解函式指標的偽代碼 void (*p)(int type, char *data); // 定義一個函式指標p void func(int type, char *data); // 宣告一個函式func p = func; // 將指標p指向函式func ......

    uj5u.com 2023-04-20 07:23:52 more
  • Django筆記二十五之資料庫函式之日期函式

    本文首發于公眾號:Hunter后端 原文鏈接:Django筆記二十五之資料庫函式之日期函式 日期函式主要介紹兩個大類,Extract() 和 Trunc() Extract() 函式作用是提取日期,比如我們可以提取一個日期欄位的年份,月份,日等資料 Trunc() 的作用則是截取,比如 2022-0 ......

    uj5u.com 2023-04-20 07:23:45 more
  • 一天吃透JVM面試八股文

    什么是JVM? JVM,全稱Java Virtual Machine(Java虛擬機),是通過在實際的計算機上仿真模擬各種計算機功能來實作的。由一套位元組碼指令集、一組暫存器、一個堆疊、一個垃圾回收堆和一個存盤方法域等組成。JVM屏蔽了與作業系統平臺相關的資訊,使得Java程式只需要生成在Java虛擬機 ......

    uj5u.com 2023-04-20 07:23:31 more
  • 使用Java接入小程式訂閱訊息!

    更新完微信服務號的模板訊息之后,我又趕緊把微信小程式的訂閱訊息給實作了!之前我一直以為微信小程式也是要企業才能申請,沒想到小程式個人就能申請。 訊息推送平臺🔥推送下發【郵件】【短信】【微信服務號】【微信小程式】【企業微信】【釘釘】等訊息型別。 https://gitee.com/zhongfuch ......

    uj5u.com 2023-04-20 07:22:59 more
  • java -- 緩沖流、轉換流、序列化流

    緩沖流 緩沖流, 也叫高效流, 按照資料型別分類: 位元組緩沖流:BufferedInputStream,BufferedOutputStream 字符緩沖流:BufferedReader,BufferedWriter 緩沖流的基本原理,是在創建流物件時,會創建一個內置的默認大小的緩沖區陣列,通過緩沖 ......

    uj5u.com 2023-04-20 07:22:49 more
  • Java-SpringBoot-Range請求頭設定實作視頻分段傳輸

    老實說,人太懶了,現在基本都不喜歡寫筆記了,但是網上有關Range請求頭的文章都太水了 下面是抄的一段StackOverflow的代碼...自己大修改過的,寫的注釋挺全的,應該直接看得懂,就不解釋了 寫的不好...只是希望能給視頻網站開發的新手一點點幫助吧. 業務場景:視頻分段傳輸、視頻多段傳輸(理 ......

    uj5u.com 2023-04-20 07:22:42 more
  • Windows 10開發教程_編程入門自學教程_菜鳥教程-免費教程分享

    教程簡介 Windows 10開發入門教程 - 從簡單的步驟了解Windows 10開發,從基本到高級概念,包括簡介,UWP,第一個應用程式,商店,XAML控制元件,資料系結,XAML性能,自適應設計,自適應UI,自適應代碼,檔案管理,SQLite資料庫,應用程式到應用程式通信,應用程式本地化,應用程式 ......

    uj5u.com 2023-04-20 07:22:35 more