[OK]を、この本物の素早く編集し、ここに私のスクリプト全体を含めることにしました。htmlからpython webscraperに情報の特定のビットを引き出すにはどうすればよいですか?
これは私の最初の「実世界」アプリケーションです。これは、Pythonを使用しています。つまり、プログラミング言語です。 私は見つけたチュートリアルを使用して基本的なWebスクレーパーを構築しました。情報を追加して、それよりも有用なものを作成しようとしています。 私が抱えている問題は、集められた情報がこれまでのところ比較的簡単に得られたことですが、今ここでこのコードから価格を私のpythonスクリプトに引っ張っていきます。
私はここから価格を得ることができますが、コードの最後に.csvファイルが完全に破棄されるように、文字や空白を含むひどい書式設定になっています。
from bs4 import BeautifulSoup as soup
from urllib.request import urlopen as uReq
my_url = "https://www.newegg.com/Video-Cards-Video-Devices/Category/ID-38?
Tpk=graphics%20cards"
#Grabbing the page
uClient = uReq(my_url)
#Reading uCLient and saving contents as a variable called page_html (it is
raw html code)
page_html = uClient.read()
#Close the web connection to uCLient
uClient.close()
#html parsing
page_soup = soup(page_html, "html.parser")
#Grabs graphics card containers/each product
containers = page_soup.findAll("div",{"class":"item-container"})
filename = "products.csv"
f = open(filename, "w")
headers = "Brand, Product Name, Price, Shipping\n"
f.write(headers)
for container in containers:
brand = container.div.div.a.img["title"]
title_container = container.findAll("a",{"class":"item-title"})
product_name = title_container[0].text
price_container = container.findAll("li",{"class":"price-current"})
price = price_container[0].text.strip('|')
shipping_container = container.findAll("li",{"class":"price-ship"})
shipping = shipping_container[0].text.strip()
print("Brand: " + brand)
print("Product name: " + product_name)
print("Price: " + price)
print("Shipping: " + shipping)
f.write(brand + "," + product_name.replace(",","|") + "," + price + ","
+ shipping + "\n")
f.close()
shipping_containerを実行するとこのようになりますHTMLのビットは:
<li class="price-current">
<span class="price-current-label">
<a class="membership-info membership-popup" data-neg-popid="MembershipPopup"
href="javascript:void(0);" name="membership" style="display: inline"><span
class="membership-icon"></span><span style="display: none">|</span></a>
</span>$<strong>249</strong><sup>.99</sup> <a class="price-current-num"
href="https://www.newegg.com/Product/Product.aspx?
Item=N82E16814150795&buyingoptions=New&ignorebbr=1">(10 Offers)</a>
<span class="price-current-range">
<abbr title="to">–</abbr>
</span>
</li>
あなたはおそらく今で考え出してきたように、私が欲しいのは唯一の249.99を表示するには、印刷(価格)のためです。私はここでねじれていますか?
これは私の実際の.csvファイルにインポートする内容である '| \ nは$ 249.99 \ XA0(10申し出)\ N \ N-'
または
| $ 249.99(19申し出)
-
は、ここに私が働いているlinkです。
男の子、正直言って、私は「私のためにやってください」と答えているのではなく、私が学ぶことができるものを探しています。私はちょうどここにコードがあります...が、エラーなしで、それは私がこのごちゃ混ぜ混乱を取得し、なぜ
>>> price = price_container[0].findAll('li',{'/span':'strong'})
>>> price
OR
>>> price = price_container[0].findAll('li',{'strong':'strong'})
>>> price
何も返さないということである理由を把握する
? –
BeautifulSoup4。 – user8628012