Pythonでテーブルクラスをスクラブ

Question

私はhttp://emojipedia.org/emoji/をスクレイプしようとしていますが、これを行う最も効率的な方法がわかりません。私がスクレイプしたいのは、table class = "emoji_list"の中にあります。私は別々の列にそれぞれの "td"の中のものを保存したいと思います。出力は、各ラインは、絵文字を表し、次のようになります：私はこれまでのところ、次のコードを書かれている

Col1_Link    Col2_emoji  Col3_Comment  Col4_UTF 
"/emoji/%F0%9F%98%80/"    Grinning Face   U+1F600 

が、私はそれを行うための最善の方法は何かわかりません。

import requests 
from bs4 import BeautifulSoup 
import urllib 
import re  

url = "http://emojipedia.org/emoji/" 
html = urllib.urlopen(url) 
soup = BeautifulSoup(html) 
soup.findAll('tr', limit=2) 

ご協力いただきありがとうございます。

Answer 1

soup.findAll('tr', limit=2)は、ページ上の最初の2文字を取得するだけではあまり効果がありません。もう一つの方法は、分割せずに取得のみテキストになり

import requests 
from bs4 import BeautifulSoup 
url = "http://emojipedia.org/emoji/" 
html = requests.get(url).content 

soup = BeautifulSoup(html) 
table = soup.select_one("table.emoji-list") 

for row in table.find_all("tr")[:5]: 
    td1, td2 = row.find_all("td") 
    em, desc = td1.text.split(None, 1) 
    print(td1.a["href"], em, desc, td2.text) 

ます：あなたが最初のテーブルのすべての行を見つける必要があり、2つのTDS各TRでの内側にあるもの、あなたが望む抽出また、私はurllibはオーバー要求を使用してに固執するだろうfind(text=True, recursive=False)

for row in table.find_all("tr"): 
    td1, td2 = row.find_all("td") 
    print(td1.a["href"], td1.a.span.text, td1.a.find(text=True, recursive=False), td2.text) 

と子テキストを除くタグからテキストを取得すること。