试图抓取页面，但缺少一个

Question

index_cd = 'KPI200'page_n = 1naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code' + index_cd + '&page=' + str(page_n)from urllib.request import urlopensource = urlopen(naver_index).read()import bs4source = bs4.BeautifulSoup(source, 'lxml')td = source.find_all('td')len(td)# /html/body/div/table[1]/tbody/tr[3]/td[1]  # this is XPathsource.find_all('table')[0].find_all('tr')[2].find_all('td')[0]我以为输出会是这样的：<td class="date">2020.09.29</td>但结果是这样的：<td class="date"> </td>和'\xa0'之间有一个。<td class="date"</td>我需要提取该日期。这种情况该如何解决呢？

Answer 1

问题在于url您提供的。你错过了一个=之后code。

更改naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code' + index_cd + '&page=' + str(page_n)为naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code=' + index_cd + '&page=' + str(page_n)

这是工作代码：

index_cd = 'KPI200'

page_n = 1

naver_index = 'http://finance.naver.com/sise/sise_index_day.nhn?code=' + index_cd + '&page=' + str(page_n)

from urllib.request import urlopen

source = urlopen(naver_index).read()

import bs4

source = bs4.BeautifulSoup(source, 'lxml')

td = source.find_all('td')

len(td)

# /html/body/div/table[1]/tbody/tr[3]/td[1]  # this is XPath

print(source.find_all('table')[0].find_all('tr')[2].find_all('td')[0])

输出：

<td class="date">2020.09.29</td>

如果您只想显示日期，请将最后一行更改为：

print(source.find_all('table')[0].find_all('tr')[2].find_all('td')[0].text)

输出：

2020.09.29

希望这对你有帮助！