为了账号安全,请及时绑定邮箱和手机立即绑定

将包括锦标赛在内的网球成绩表刮到每一行

将包括锦标赛在内的网球成绩表刮到每一行

慕妹3146593 2023-06-13 17:04:03
我想从此页面抓取比赛结果:https://www.tennisexplorer.com/player/paire-4a33b/从抓取的结果中,我想创建包含以下列的表:tournament、date、match_player_1、match_player_2、round、score 我创建了一个代码,它有效,但我不知道如何为每个比赛行添加比赛import requestsfrom bs4 import BeautifulSoupu = 'https://www.tennisexplorer.com/player/paire-4a33b/'r = requests.get(u, timeout=120, headers=headers)# print(r.status_code)soup = BeautifulSoup(r.content, 'html.parser')for tr in soup.select('#matches-2020-1-data tr'):    match_date = tr.select_one('td:nth-of-type(1)').get_text(strip=True)    match_surface = tr.select_one('td:nth-of-type(2)').get_text(strip=True)    match = tr.select_one('td:nth-of-type(3)').get_text(strip=True)#...我需要像这样创建表:tournament                      date    match_player_1  match_player_2  round   scoreCincinnati Masters (New York)   22.08.  Coric B.        Paire B.        1R      6-0, 1-0Ultimate Tennis Showdown 2      01.08.  Moutet C.       Paire B.        NaN     15-0, 15-0, 15-0, 15-0我如何将锦标赛与每场比赛联系起来
查看完整描述

2 回答

?
30秒到达战场

TA贡献1828条经验 获得超6个赞

要获得所需的 DataFrame,您可以这样做:


import requests

import pandas as pd

from bs4 import BeautifulSoup



url = 'https://www.tennisexplorer.com/player/paire-4a33b/'

soup = BeautifulSoup( requests.get(url).content, 'html.parser' )


all_data = []

for row in soup.select('#matches-2020-1-data tr:not(:has(th))'):

    tds = [td.get_text(strip=True, separator=' ') for td in row.select('td')]

    all_data.append({

        'tournament': row.find_previous('tr', class_='head flags').find('td').get_text(strip=True),

        'date': tds[0],

        'match_player_1': tds[2].split('-')[0].strip(),

        'match_player_2': tds[2].split('-')[-1].strip(),

        'round': tds[3],

        'score': tds[4]

        })


df = pd.DataFrame(all_data)

df.to_csv('data.csv')

保存data.csv(来自 LibreOffice 的屏幕截图):

//img1.sycdn.imooc.com//6488311e0001c08206540458.jpg

查看完整回答
反对 回复 2023-06-13
?
一只甜甜圈

TA贡献1836条经验 获得超5个赞

尝试一下:


import pandas as pd


url = "https://www.tennisexplorer.com/player/paire-4a33b/"


df = pd.read_html(url)[8]

new_data = {"tournament":[], "date":[], "match_player_1":[], "match_player_2":[],

                                 "round":[], "score":[]}

for index, row in df.iterrows():

    try:

        date = float(row.iloc[0][:-1])

        new_data["tournament"].append(tourn)

        new_data["date"].append(row.iloc[0])

        new_data["match_player_1"].append(row.iloc[2].split("-")[0])

        new_data["match_player_2"].append(row.iloc[2].split("-")[1])

        new_data["round"].append(row.iloc[3])

        new_data["score"].append(row.iloc[4])

        

    except Exception as e:

        tourn = row.iloc[0]


data = pd.DataFrame(new_data)


查看完整回答
反对 回复 2023-06-13
  • 2 回答
  • 0 关注
  • 119 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信