主頁 > 前端設計 > 從動態網頁中抓取不可互動的表格

從動態網頁中抓取不可互動的表格

2022-04-21 17:14:23 前端設計

我已經看到過一些帶有相同問題的帖子,但他們的腳本通常會等到其中一個元素(按鈕)是可點擊的。這是我要抓取的表:

https://ropercenter.cornell.edu/presidential-approval/highslows

前幾次嘗試我的代碼回傳了除了兩個輪詢組織列之外的所有行。在不進行任何更改的情況下,它現在只抓取表格標題和 tbody 標記(沒有表格行)。

url = "https://ropercenter.cornell.edu/presidential-approval/highslows"
driver = webdriver.Firefox()
driver.get(url)

driver.implicitly_wait(12)
soup = BeautifulSoup(driver.page_source, 'lxml')
table = soup.find_all('table')
approvalData = pd.read_html(str(table[0]))
approvalData = pd.DataFrame(approvalData[0], columns = ['President', 'Highest %', 'Polling Organization & Dates H' 'Lowest %', 'Polling Organization & Dates L'])

我應該使用顯式等待嗎?如果是這樣,由于動態表不是互動式的,我應該等待哪個條件?

另外,為什么我的代碼在多次運行后輸出會發生變化?

uj5u.com熱心網友回復:

也許更多的作弊,但更簡單的解決方案,確實解決了你的問題,但在其他方面,將看看前端做了什么(使用開發人員工具),并發現它呼叫了回傳 JSON 值的 api,所以沒有 selenium真的需要。requests并且pandas足夠了。

import requests
import pandas as pd

url = "https://ropercenter.cornell.edu/presidential-approval/api/presidents/highlow"

data = requests.get(url).json()
df = pd.io.json.json_normalize(data)
>>> df
>>> df
                            president.id  president.active president.surname president.givenname president.shortname  ... low.approve  low.disapprove low.noOpinion low.sampleSize      low.presidentName
0   e9c0d19b-dfe9-49cf-9939-d06a0f256e57              True             Biden                 Joe                None  ...          33              53            13         1313.0              Joe Biden
1   bc9855d5-8e97-4448-b62e-1fb2865c79e6              True             Trump              Donald                None  ...          29              68             3         5360.0           Donald Trump
2   1c49881f-0f0c-4a53-9b2c-0dd6540f88e4              True             Obama              Barack                None  ...          37              57             5         1017.0           Barack Obama
3   ceda6415-5975-404d-8049-978758a7d1f8              True              Bush           George W.             W. Bush  ...          19              77             4         1100.0         George W. Bush
4   4f7344de-a7bd-4bc6-9147-87963ae51095              True           Clinton                Bill                None  ...          36              50            14          800.0           Bill Clinton
5   116721f1-f947-4c14-b0b5-d521ed5a4c8b              True              Bush         George H.W.           H.W. Bush  ...          29              60            11         1001.0       George H.W. Bush
6   43720f8f-0b9f-43b0-8c0d-63da059e7a57              True            Reagan              Ronald                None  ...          35              56             9         1555.0          Ronald Reagan
7   7aa76fd3-e1bc-4e9a-b13c-463a64e0c864              True            Carter               Jimmy                None  ...          28              59            13         1542.0           Jimmy Carter
8   6255dd77-531d-46c6-bb26-627e2a4b3654              True              Ford              Gerald                None  ...          37              39            24         1519.0            Gerald Ford
9   f1a23b06-4200-41e6-b137-dd46260ac4d8              True             Nixon             Richard                None  ...          23              55            22         1589.0          Richard Nixon
10  772aabfd-289b-4f10-aaae-81a82dd3dbc6              True           Johnson           Lyndon B.                None  ...          35              52            13         1526.0      Lyndon B. Johnson
11  d849b5a8-f711-4ac9-9728-c3915e17bb6a              True           Kennedy             John F.                None  ...          56              30            14         1550.0        John F. Kennedy
12  e22fd64a-cf20-4bc4-8db6-b4e71dc4483d              True        Eisenhower           Dwight D.                None  ...          48              36            16            NaN   Dwight D. Eisenhower
13  ab0bfa04-61da-49d1-8069-6992f6124f17              True            Truman            Harry S.                None  ...          22              65            13            NaN        Harry S. Truman
14  11edf04f-9d8d-4678-976d-b9339b46705d              True         Roosevelt         Franklin D.                None  ...          48              43             8            NaN  Franklin D. Roosevelt

[15 rows x 41 columns]
>>> df.columns
Index(['president.id', 'president.active', 'president.surname',
       'president.givenname', 'president.shortname', 'president.fullname',
       'president.number', 'president.terms', 'president.ratings',
       'president.termCount', 'president.ratingCount', 'high.id',
       'high.active', 'high.organization.id', 'high.organization.active',
       'high.organization.name', 'high.organization.ratingCount',
       'high.pollingStart', 'high.pollingEnd', 'high.updated',
       'high.president', 'high.approve', 'high.disapprove', 'high.noOpinion',
       'high.sampleSize', 'high.presidentName', 'low.id', 'low.active',
       'low.organization.id', 'low.organization.active',
       'low.organization.name', 'low.organization.ratingCount',
       'low.pollingStart', 'low.pollingEnd', 'low.updated', 'low.president',
       'low.approve', 'low.disapprove', 'low.noOpinion', 'low.sampleSize',
       'low.presidentName'],
      dtype='object')

uj5u.com熱心網友回復:

僅使用SeleniumGeckoDriver火狐要提取網站中的表格內容,您需要visibility_of_element_located()誘導WebDriverWait并使用Pandas中的DataFrame您可以使用以下定位器策略

  • 代碼塊:

    from selenium import webdriver
    from selenium.webdriver.firefox.options import Options
    from selenium.webdriver.firefox.service import Service
    from selenium.webdriver.support.ui import WebDriverWait
    from selenium.webdriver.common.by import By
    from selenium.webdriver.support import expected_conditions as EC
    import pandas as pd
    
    options = Options()
    options.add_argument('--disable-blink-features=AutomationControlled')
    s = Service('C:\\BrowserDrivers\\geckodriver.exe')
    driver = webdriver.Firefox(service=s, options=options)
    driver.get('https://ropercenter.cornell.edu/presidential-approval/highslows')
    tabledata = WebDriverWait(driver, 20).until(EC.visibility_of_element_located((By.XPATH, "//table[@class='table table-striped']"))).get_attribute("outerHTML")
    tabledf = pd.read_html(tabledata)
    print(tabledf)
    driver.quit()
    
  • 控制臺輸出:

    [                President Highest %  ... Lowest %                     Polling Organization & Dates.1
    0               Joe Biden       63%  ...      33%  Quinnipiac UniversityJan 7th, 2022 - Jan 10th,...
    1            Donald Trump       49%  ...      29%                  PewJan 8th, 2021 - Jan 12th, 2021
    2            Barack Obama       76%  ...      37%  Gallup OrganizationSep 8th, 2011 - Sep 11th, 2011
    3          George W. Bush       92%  ...      19%  American Research GroupFeb 16th, 2008 - Feb 19...
    4            Bill Clinton       73%  ...      36%  Yankelovich Partners / TIME / CNNMay 26th, 199...
    5        George H.W. Bush       89%  ...      29%  Gallup OrganizationJul 31st, 1992 - Aug 2nd, 1992
    6           Ronald Reagan       68%  ...      35%  Gallup OrganizationJan 28th, 1983 - Jan 31st, ...
    7            Jimmy Carter       75%  ...      28%  Gallup OrganizationJun 29th, 1979 - Jul 2nd, 1979
    8             Gerald Ford       71%  ...      37%  Gallup OrganizationJan 10th, 1975 - Jan 13th, ...
    9           Richard Nixon       70%  ...      23%   Gallup OrganizationJan 4th, 1974 - Jan 7th, 1974
    10      Lyndon B. Johnson       80%  ...      35%  Gallup OrganizationAug 7th, 1968 - Aug 12th, 1968
    11        John F. Kennedy       83%  ...      56%  Gallup OrganizationSep 12th, 1963 - Sep 17th, ...
    12   Dwight D. Eisenhower       78%  ...      48%  Gallup OrganizationMar 27th, 1958 - Apr 1st, 1958
    13        Harry S. Truman       87%  ...      22%  Gallup OrganizationFeb 9th, 1952 - Feb 14th, 1952
    14  Franklin D. Roosevelt       84%  ...      48%  Gallup OrganizationAug 18th, 1939 - Aug 24th, ...
    
    [15 rows x 5 columns]]
    

轉載請註明出處,本文鏈接:https://www.uj5u.com/qianduan/460068.html

標籤:Python 熊猫 网页抓取 壁虎司机

上一篇:Selenium無法提取文本

下一篇:我想找到一個不同的標簽beautifulsouppython函式

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
  • vue移動端上拉加載

    可能做得過于簡單或者比較low,請各位大佬留情,一起探討技術 ......

    uj5u.com 2020-09-10 04:38:07 more
  • 優美網站首頁,頂部多層導航

    一個個人用的瀏覽器首頁,可以把一下常用的網站放在這里,平常打開會比較方便。 第一步,HTML代碼 <script src=https://www.cnblogs.com/szharf/p/"js/jquery-3.4.1.min.js"></script> <div id="navigate"> <ul> <li class="labels labels_1"> ......

    uj5u.com 2020-09-10 04:38:47 more
  • 頁面為要加<!DOCTYPE html>

    最近因為寫一個js函式,需要用到$(window).height(); 由于手寫demo的時候,過于自信,其實對前端方面的認識也不夠體系,用文本檔案直接敲出來的html代碼,第一行沒有加上<!DOCTYPE html> 導致了$(window).height();的結果直接是整個document的高 ......

    uj5u.com 2020-09-10 04:38:52 more
  • WordPress網站程式手動升級要做好資料備份

    WordPress博客網站程式在進行升級前,必須要做好網站資料的備份,這個問題良家佐言是遇見過的;在剛開始接觸WordPress博客程式的時候,因為升級問題和博客網站的修改的一些嘗試,良家佐言是吃盡了苦頭。因為購買的是西部數碼的空間和域名,每當佐言把自己的WordPress博客網站搞到一塌糊涂的時候 ......

    uj5u.com 2020-09-10 04:39:30 more
  • WordPress程式不能升級為5.4.2版本的原因

    WordPress是一款個人博客系統,受到英文博客愛好者和中文博客愛好者的追捧,并逐步演化成一款內容管理系統軟體;它是使用PHP語言和MySQL資料庫開發的,用戶可以在支持PHP和MySQL資料庫的服務器上使用自己的博客。每一次WordPress程式的更新,就會牽動無數WordPress愛好者的心, ......

    uj5u.com 2020-09-10 04:39:49 more
  • 使用CSS3的偽元素進行首字母下沉和首行改變樣式

    網頁中常見的一種效果,首字改變樣式或者首行改變樣式,效果如下圖。 代碼: <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, ......

    uj5u.com 2020-09-10 04:40:09 more
  • 關于a標簽的講解

    什么是a標簽? <a> 標簽定義超鏈接,用于從一個頁面鏈接到另一個頁面。 <a> 元素最重要的屬性是 href 屬性,它指定鏈接的目標。 a標簽的語法格式:<a href=https://www.cnblogs.com/summerxbc/p/"指定要跳轉的目標界面的鏈接">需要展示給用戶看見的內容</a> a標簽 在所有瀏覽器中,鏈接的默認外觀如下: 未被訪問的鏈接帶 ......

    uj5u.com 2020-09-10 04:40:11 more
  • 前端輪播圖

    在需要輪播的頁面是引入swiper.min.js和swiper.min.css swiper.min.js地址: 鏈接:https://pan.baidu.com/s/15Uh516YHa4CV3X-RyjEIWw 提取碼:4aks swiper.min.css地址 鏈接:https://pan.b ......

    uj5u.com 2020-09-10 04:40:13 more
  • 如何設定html中的背景圖片(全屏顯示,且不拉伸)

    1 <style>2 body{background-image:url(https://uploadbeta.com/api/pictures/random/?key=BingEverydayWallpaperPicture); 3 background-size:cover;background ......

    uj5u.com 2020-09-10 04:40:16 more
  • Java學習——HTML詳解(上)

    HTML詳解 初識HTML Hyper Text Markup Language(超文本標記語言) 1 <!--DOCTYPE:告訴瀏覽器我們要使用什么規范--> 2 <!DOCTYPE html> 3 <html lang="en"> 4 <head> 5 <!--meta 描述性的標簽,描述一些 ......

    uj5u.com 2020-09-10 04:40:33 more
最新发布
  • 我的第一個NPM包:panghu-planebattle-esm(胖虎飛機大戰)使用說明

    好家伙,我的包終于開發完啦 歡迎使用胖虎的飛機大戰包!! 為你的主頁添加色彩 這是一個有趣的網頁小游戲包,使用canvas和js開發 使用ES6模塊化開發 效果圖如下: (覺得圖片太sb的可以自己改) 代碼已開源!! Git: https://gitee.com/tang-and-han-dynas ......

    uj5u.com 2023-04-20 07:59:23 more
  • 生產事故-走近科學之消失的JWT

    入職多年,面對生產環境,盡管都是小心翼翼,慎之又慎,還是難免捅出簍子。輕則滿頭大汗,面紅耳赤。重則系統停擺,損失資金。每一個生產事故的背后,都是寶貴的經驗和教訓,都是專案成員的血淚史。為了更好地防范和遏制今后的各類事故,特開此專題,長期更新和記錄大大小小的各類事故。有些是親身經歷,有些是經人耳傳口授 ......

    uj5u.com 2023-04-18 07:55:04 more
  • 記錄--Canvas實作打飛字游戲

    這里給大家分享我在網上總結出來的一些知識,希望對大家有所幫助 打開游戲界面,看到一個畫面簡潔、卻又富有挑戰性的游戲。螢屏上,有一個白色的矩形框,里面不斷下落著各種單詞,而我需要迅速地輸入這些單詞。如果我輸入的單詞與螢屏上的單詞匹配,那么我就可以獲得得分;如果我輸入的單詞錯誤或者時間過長,那么我就會輸 ......

    uj5u.com 2023-04-04 08:35:30 more
  • 了解 HTTP 看這一篇就夠

    在學習網路之前,了解它的歷史能夠幫助我們明白為何它會發展為如今這個樣子,引發探究網路的興趣。下面的這張圖片就展示了“互聯網”誕生至今的發展歷程。 ......

    uj5u.com 2023-03-16 11:00:15 more
  • 藍牙-低功耗中心設備

    //11.開啟藍牙配接器 openBluetoothAdapter //21.開始搜索藍牙設備 startBluetoothDevicesDiscovery //31.開啟監聽搜索藍牙設備 onBluetoothDeviceFound //30.停止監聽搜索藍牙設備 offBluetoothDevi ......

    uj5u.com 2023-03-15 09:06:45 more
  • canvas畫板(滑鼠和觸摸)

    <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>canves</title> <style> #canvas { cursor:url(../images/pen.png),crosshair; } #canvasdiv{ bo ......

    uj5u.com 2023-02-15 08:56:31 more
  • 手機端H5 實作自定義拍照界面

    手機端 H5 實作自定義拍照界面也可以使用 MediaDevices API 和 <video> 標簽來實作,和在桌面端做法基本一致。 首先,使用 MediaDevices.getUserMedia() 方法獲取攝像頭媒體流,并將其傳遞給 <video> 標簽進行渲染。 接著,使用 HTML 的 < ......

    uj5u.com 2023-01-12 07:58:22 more
  • 記錄--短視頻滑動播放在 H5 下的實作

    這里給大家分享我在網上總結出來的一些知識,希望對大家有所幫助 短視頻已經無數不在了,但是主體還是使用 app 來承載的。本文講述 H5 如何實作 app 的視頻滑動體驗。 無聲勝有聲,一圖頂百辯,且看下圖: 網址鏈接(需在微信或者手Q中瀏覽) 從上圖可以看到,我們主要實作的功能也是本文要講解的有: ......

    uj5u.com 2023-01-04 07:29:05 more
  • 一文讀懂 HTTP/1 HTTP/2 HTTP/3

    從 1989 年萬維網(www)誕生,HTTP(HyperText Transfer Protocol)經歷了眾多版本迭代,WebSocket 也在期間萌芽。1991 年 HTTP0.9 被發明。1996 年出現了 HTTP1.0。2015 年 HTTP2 正式發布。2020 年 HTTP3 或能正... ......

    uj5u.com 2022-12-24 06:56:02 more
  • 【HTML基礎篇002】HTML之form表單超詳解

    ??一、form表單是什么

    ??二、form表單的屬性

    ??三、input中的各種Type屬性值

    ??四、標簽 ......

    uj5u.com 2022-12-18 07:17:06 more