我想在同一個網站 societe.com 的不同頁面上洗掉資訊，我有幾個問題。
首先這里是我設法做的代碼，我有點新手我承認
我只放了 2 個 URL 來查看回圈是否有效以及一些資訊，當一切正常時我可以添加一些
urls = ["https://www.societe.com/societe/decathlon-france-500569405.html","https://www.societe.com/societe/go-sport-312193899.html"]
for url in urls:
response = requests.get(url, headers = {'User-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36'})
soup = BeautifulSoup(response.text, "html.parser")
numrcs = soup.find("td", class_="numdisplay")
nomcommercial = soup.find("td", class_="break-word")
print(nomcommercial.text)
print(numrcs.text.strip())
numsiret = soup.select('div[id^=siret_number]')
for div in numsiret:
print(div.text.strip())
formejuri = soup.select('div[id^=catjur-histo-description]')
for div in formejuri:
print(div.text.strip())
infosend = {
'numrcs': numrcs,
'nomcommercial':nomcommercial,
'numsiret':numsiret,
'formejuri':formejuri
}
tableau.append(infosend)
print(tableau)
my_infos = ['Numéro RCS', 'Numéro Siret ','Forme Juridique']
my_columns = [
np.tile(np.array(my_infos), len(nomcommercial))
]
df = pd.DataFrame( tableau,index=nomcommercial, columns=my_columns)
df
當我運行回圈時，我得到了正確的資訊，例如
DECATHLON FRANCE
Lille Metropole B 500569405
50056940503239
SASU Société par actions simplifiée à associé unique
但我想把所有這些資訊放在一個表中，但我真的不能，只有最后一家公司出現，資料沒有意義我試圖按照教程沒有成功。
如果你能幫助我，我會很高興
uj5u.com熱心網友回復：
要獲取有關公司的資料，您可以使用下一個示例：
import requests
import pandas as pd
from bs4 import BeautifulSoup
urls = [
"https://www.societe.com/societe/decathlon-france-500569405.html",
"https://www.societe.com/societe/go-sport-312193899.html",
]
headers = {
"User-agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"
}
data = []
for url in urls:
soup = BeautifulSoup(
requests.get(url, headers=headers).content, "html.parser"
)
title = soup.select_one("#identite_deno").get_text(strip=True)
rcs = soup.select_one('td:-soup-contains("Numéro RCS") td').get_text(
strip=True
)
siret_number = soup.select_one("#siret_number").get_text(strip=True)
form = soup.select_one("#catjur-histo-description").get_text(strip=True)
data.append([title, url, rcs, siret_number, form])
df = pd.DataFrame(
data,
columns=["Title", "URL", "Numéro RCS", "Numéro Siret", "Forme Juridique"],
)
print(df.to_markdown())
印刷：
| 標題 | 網址 | 數字 RCS | 數字Siret | 法律形式 | |
|---|---|---|---|---|---|
| 0 | 迪卡儂法國（DECATHLON DIRECTION GENERALE 法國） | https://www.societe.com/societe/decathlon-france-500569405.html | 里爾大都會 B 500569405 | 50056940503239 | SASU Société par actions simplifiée à associé unique |
| 1 | 去運動 | https://www.societe.com/societe/go-sport-312193899.html | 格勒諾布爾 B 312193899 | 31219389900191 | Société par actions simplifiee |
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/471948.html
上一篇：如何基于 ZEGO SDK 實作 Android 通話質量監測
下一篇：內容遷移后更新URL的正則運算式