从维基百科页面抓取表数据

Question

我正在学习如何通过 Python 使用 BeautifulSoup 库，为了练习，我尝试从这个维基百科页面中删除流派标题： https ://en.wikipedia.org/wiki/List_of_jazz_genres我已经能够在我的代码中做到这一点：from bs4 import BeautifulSouphtml = open("wiki-jazz.html", encoding="utf=8")soup = BeautifulSoup(html, "html.parser")table = soup.find_all("table")[1]td = table.find_all("td")print(td)table[1] 包含我想要访问的数据。更具体地说，我真的只需要位于此标题属性中的数据：</td>, <td><a href="/wiki/West_Coast_jazz" title="West Coast jazz">West Coast jazz</a>我一直在绞尽脑汁地思考如何提取这些信息。我已经看过这里的其他帖子，但无法完全理解。谢谢。

Answer 1

要打印表格的第一列，您可以迭代行 ( <tr>)，然后获取行 ( <td>) 的所有单元格。每行的第一个单元格是您的爵士乐流派：

import requests

from bs4 import BeautifulSoup

url = 'https://en.wikipedia.org/wiki/List_of_jazz_genres'

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

table = soup.find_all("table")[1]

for row in table.find_all('tr')[1:]:    # <-- [1:] because we don't want the header

    cells = [td.get_text(strip=True) for td in row.find_all('td')]

    print(cells[0])

印刷：

Acid jazz

Afro-Cuban jazz

Avant-garde jazz

Bebop

Bossa nova

British dance band

Cape jazz

Chamber jazz

Continental jazz

Cool jazz

Crossover jazz

Dark jazz/Doomjazz[1][2][3]

Dixieland

Electro Swing

Ethio jazz

Ethno jazz

European free jazz

Free funk

Free jazz

Frevo

Gypsy jazz

Hard bop

Hot club

Indo jazz

Jazz blues

Jazz-funk

Jazz fusion

Jazz rap

Jazz rock

Kansas City blues

Kansas City jazz

Latin jazz

M-Base

Mainstream jazz

Modal jazz

Neo-bop jazz

Neo-swing

Neo-bop jazz

Novelty ragtime

Nu jazz

Orchestral jazz

Post-bop

Punk jazz

Ragtime

Ska jazz

Smooth jazz

Soul jazz

Straight-ahead jazz

Stride jazz

Swing

Third stream

Trad jazz

Vocal jazz

West Coast jazz

Answer 2

您应该阅读 Beautifulsoup 文档，了解如何获取标签内的属性，如 href src 等

在这里你可以使用

item[1].get(‘title’)