为了账号安全,请及时绑定邮箱和手机立即绑定

无法从站点上刮掉表格

无法从站点上刮掉表格

守着一只汪 2024-01-04 16:48:49
我正在尝试抓取此网站上的排名表:https ://www.timeshighereducation.com/world-university-rankings/2021/world-ranking#!/page/0/length/25/sort_by/scores_overall/sort_order /asc/cols/分数但我无法获取数据,现在我有这个代码:import scrapyfrom scrapy import Selectorfrom selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECfrom logzero import logfile, loggerclass ScrapeTableSpider(scrapy.Spider):    name = "scrape-table"    allowed_domains = ["toscrape.com"]    start_urls = ['http://quotes.toscrape.com']    def start_requests(self):        # headers = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64; rv:48.0) Gecko/20100101 Firefox/48.0'}        for url in self.start_urls:            yield scrapy.Request(url=url, callback=self.parse)    def parse(self, response):        # driver = webdriver.Chrome()        options = webdriver.ChromeOptions()        options.add_argument("headless")        desired_capabilities = options.to_capabilities()        driver = webdriver.Chrome('C:/chromedriver', desired_capabilities=desired_capabilities)        driver.get("https://www.timeshighereducation.com/world-university-rankings/2021/world-ranking#!/page/0/length/25/sort_by/scores_overall/sort_order/asc/cols/scores")        driver.implicitly_wait(2)        for table in driver.find_element_by_xpath('//*[contains(@id,"datatable-1")]//tr'):            data = [item.text for item in table.find_elements_by_xpath(".//*[self::td or self::th]")]            print(data)任何有关如何从表中获取数据的见解将不胜感激。
查看完整描述

2 回答

?
繁花不似锦

TA贡献1851条经验 获得超4个赞

我真的不明白为什么你同时使用 scrapy 和 selenium,但我们可以说只是使用 selenium。要从表中获取文本,您可以执行以下非常简单的操作:


from selenium import webdriver



options = webdriver.ChromeOptions()

options.add_argument("headless")

desired_capabilities = options.to_capabilities()

driver = webdriver.Chrome('C:/chromedriver', desired_capabilities=desired_capabilities)


driver.get("https://www.timeshighereducation.com/world-university-rankings/2021/world-ranking#!/page/0/length/25/sort_by/scores_overall/sort_order/asc/cols/scores")

driver.implicitly_wait(1)

table = driver.find_element_by_xpath('//*[@id="datatable-1"]')


print(table.text)

现在,如果您将表中的所有内容分开,只需使用该find_element_by_xxx函数并通过 xpath 选择其他部分即可。


查看完整回答
反对 回复 2024-01-04
?
慕慕森

TA贡献1856条经验 获得超17个赞

如果您需要迭代结果,您应该选择 elements 而不是 element。更改您的代码:

 for table in driver.find_element_by_xpath('//*[contains(@id,"datatable-1")]//tr'):

编码:

for table in driver.find_elements_by_xpath('//*[contains(@id,"datatable-1")]//tr'):



查看完整回答
反对 回复 2024-01-04
  • 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