色综合图-色综合图片-色综合图片二区150p-色综合图区-玖玖国产精品视频-玖玖香蕉视频

您的位置:首頁技術(shù)文章
文章詳情頁

html5 - python 處理html頁面爬蟲數(shù)據(jù)

瀏覽:125日期:2022-09-23 15:40:47

問題描述

請(qǐng)求的url 數(shù)據(jù)http://www.hkex.com.hk/chi/st...對(duì)了我只抓取一張表,希望能夠提取關(guān)鍵表的數(shù)據(jù).

希望抓取的數(shù)據(jù)是該成交報(bào)表,但是HTML 的標(biāo)簽都是<pre>造成了數(shù)據(jù)提取的困難。

賣空成交量 成交量

代號(hào) 股票名稱 股數(shù)(SH) 金額($)股數(shù)(SH) 金額($)

1 長和 299,500 27,572,475 2,201,171 202,964,029 2 中電控股 61,000 4,622,825 1,452,853 110,040,699 3 香港中華煤氣 2,939,000 42,694,880 8,024,558 116,691,466 4 九龍倉集團(tuán)  297,000 17,349,550 3,136,238 183,105,286 5 匯豐控股 1,102,800 73,202,940 8,630,868 572,622,103 6 電能實(shí)業(yè) 1,016,500 76,262,725 4,876,990 365,926,231 8 電訊盈科 731,000 3,478,240 13,579,32364,672,175 10 恒隆集團(tuán) 172,000 5,209,850 967,98029,308,292 11 恒生銀行 189,000 30,047,370 1,075,185 170,873,130 12 恒基地產(chǎn) 94,000 4,025,500 1,382,53359,183,598 14 希慎興業(yè) 33,000 1,167,900 642,42422,747,393 16 新鴻基地產(chǎn)  425,000 45,490,800 1,635,959 175,284,039 17 新世界發(fā)展  651,000 5,833,670 10,135,38190,633,244 19 太古股份公司A  132,000 10,405,600 554,96243,709,235 20 會(huì)德豐  72,000 3,407,750 683,36832,286,993 23 東亞銀行 451,600 14,991,890 1,817,00060,295,348 27 銀河娛樂 1,134,000 40,408,550 15,089,117 538,712,668 31 航天控股 210,000 211,580 4,367,526 4,386,198 34 九龍建業(yè) 31,000 228,260 292,000 2,156,291 35 遠(yuǎn)東發(fā)展 10,00033,600 428,075 1,440,321 38 第一拖拉機(jī)股份  8,00038,200 1,634,000 7,825,940 41 鷹君 12,000 422,400 470,14616,546,562 45 大酒店  35,500 305,605 503,559 4,335,522

url = 'http://www.hkex.com.hk/chi/stat/smstat/dayquot/d20170202c.htm' response = requests.get(url) if response.status_code == 200:soup = BeautifulSoup(response.content, 'lxml')

應(yīng)該如何提取該表格的數(shù)據(jù)內(nèi)容。

問題解答

回答1:解決方法一:

首先先定位賣空成交量位置 a = soup.find(’a’, attrs={’name’:’short_selling’}),然后根據(jù)pre->font的相鄰關(guān)系,一直往下走直到列不到6行就結(jié)束

這是結(jié)果:

[[’代號(hào)’, ’股票名稱’, ’股數(shù)(SH)’, ’金額($)’, ’股數(shù)(SH)’, ’金額($)’], [’1’, ’長和’, ’299,500’, ’27,572,475’, ’2,201,171’, ’202,964,029’], [’2’, ’中電控股’, ’61,000’, ’4,622,825’, ’1,452,853’, ’110,040,699’], [’3’, ’香港中華煤氣’, ’2,939,000’, ’42,694,880’, ’8,024,558’, ’116,691,466’],....源代碼

import pprintfrom bs4 import BeautifulSoupimport requestsr = requests.get(’http://www.hkex.com.hk/chi/stat/smstat/dayquot/d170202c.htm’)r.encoding = ’big5’soup = BeautifulSoup(r.text)a = soup.find(’a’, attrs={’name’:’short_selling’})data = []pre = a.find_parent(’pre’)for line in pre.font.text.splitlines(): item = line.strip().split() if len(item) == 6:data.append(item)end = Falsefor next_pre in pre.next_siblings: for line in next_pre.font.text.splitlines():item = line.strip().split()if len(item) > 7: item = item[1:2] + [''.join(item[1:-4])] + item[-4:]elif len(item) < 6: end = True breakdata.append(item) if end: breakpprint.pprint(data)回答2:

給你一個(gè)方案吧。

因?yàn)檫@些數(shù)據(jù)都是文本信息,沒有標(biāo)簽包圍。通過抓包,也沒有發(fā)現(xiàn)特定的數(shù)據(jù)查詢接口。所以數(shù)據(jù)應(yīng)該是服務(wù)器生成好的通過html寫死的發(fā)送給瀏覽器。那么發(fā)現(xiàn)這些數(shù)據(jù)項(xiàng)每一個(gè)特定的屬性都是占用同樣的位置大小且居右對(duì)齊,而且每一項(xiàng)有特定的格式,可以使用正則表達(dá)式進(jìn)行提取。具體還是請(qǐng)您自行實(shí)現(xiàn)吧。回答3:

干嘛這么麻煩用beautifulsoup,殺雞焉用牛刀

你的網(wǎng)頁只有一行行數(shù)據(jù)啊,格式簡單的不能再簡單

你直接把頁面上的數(shù)據(jù)復(fù)制下來,保存成txt,然后用readline、split、正則表達(dá)式提取數(shù)據(jù)不就可以了嘛

標(biāo)簽: Python 編程
相關(guān)文章:
主站蜘蛛池模板: 日韩亚洲一区二区三区 | 99久久精品无码一区二区毛片 | 欧美性高清视频免费看www | 美女福利视频国产 | 国产成人福利免费观看 | 免费观看欧美一级牲片一 | 99国产精品久久久久久久... | 波多野结衣免费免费视频一区 | 99热久久国产精品这 | 国产成人福利视频网站 | 国产女人一区二区 | 成 人 黄 色 免费网 | 国产一级性片 | 国产成人精品永久免费视频 | 美国一级毛片完整高清 | 国产成人十八黄网片 | 久久dj视频| 97公开视频| 日韩视频在线观看中字 | 免费区一级欧美毛片 | 一级特黄aa大片欧美 | 国产a视频| 亚洲91 | 毛片a级三毛片免费播放 | 67194在线午夜亚洲 | 色精品视频 | 国产美女自拍视频 | 精品国产一区二区三区2021 | 最新国产一区二区精品久久 | 男女交性拍拍拍高清视频 | 欧美成人性色生活片免费在线观看 | 午夜欧美性欧美 | 成人亚洲综合 | 深夜国产成人福利在线观看女同 | 黄色毛片a| 一级毛片在线完整免费观看 | 久久99国产精品久久99 | 久爱综合 | 欧美日韩亚洲国内综合网俺 | 中文字幕在线观看一区二区 | 中文字幕亚洲综合久久 |