【发布时间】:2020-05-11 05:03:10
【问题描述】:
我在尝试抓取网站时遇到了一种特殊情况。我正在通过搜索栏搜索数百个名称,然后抓取表格。但是,与网站相比,我的列表中的某些名称是唯一的并且拼写不同。在这种情况下,我在网站上手动查找了几个名字,它仍然直接将我带到各个页面。其他时候,如果有多个名字相同或相似的人,它会进入名字列表(在这种情况下,我想要在 nba 打球的人。我已经考虑过这一点,但我认为有必要提及)。我该如何继续进入这些玩家的个人页面,而不必每次都运行脚本并点击错误以查看哪个玩家的拼写略有不同?同样,即使拼写略有不同或名称列表(需要 NBA 中的名称),数组中的名称也会直接将您带到单个页面。一些例子是 Georgios Papagiannis(在网站上列为 George Papagiannis)、Ognjen Kuzmic(列为 Ognen Kuzmic)、Nene(列为 Maybyner Nene,但会带你到一个名字列表 -- https://basketball.realgm.com/search?q=nene)。这似乎很难,但我觉得这可能是可能的。此外,似乎不是将所有抓取的数据写入 csv,而是每次都被下一个玩家覆盖。非常感谢。
我得到的错误:
AttributeError: 'NoneType' object has no attribute 'text'
import requests
from bs4 import BeautifulSoup
import pandas as pd
playernames=['Carlos Delfino', 'Nene', 'Yao Ming', 'Marcus Vinicius', 'Raul Neto', 'Timothe Luwawu-Cabarrot']
result = pd.DataFrame()
for name in playernames:
fname=name.split(" ")[0]
lname=name.split(" ")[1]
url="https://basketball.realgm.com/search?q={}+{}".format(fname,lname)
response = requests.get(url)
soup = BeautifulSoup(response.content, 'html.parser')
if soup.find('a',text=name).text==name:
url="https://basketball.realgm.com"+soup.find('a',text=name)['href']
print(url)
response = requests.get(url)
soup = BeautifulSoup(response.text, 'lxml')
try:
table1 = soup.find('h2',text='International Regular Season Stats - Per Game').findNext('table')
table2 = soup.find('h2',text='International Regular Season Stats - Advanced Stats').findNext('table')
df1 = pd.read_html(str(table1))[0]
df2 = pd.read_html(str(table2))[0]
commonCols = list(set(df1.columns) & set(df2.columns))
df = df1.merge(df2, how='left', on=commonCols)
df['Player'] = name
print(df)
except:
print ('No international table for %s.' %name)
df = pd.DataFrame([name], columns=['Player'])
result = result.append(df, sort=False).reset_index(drop=True)
cols = list(result.columns)
cols = [cols[-1]] + cols[:-1]
result = result[cols]
result.to_csv('international players.csv', index=False)
【问题讨论】:
-
搜索结果的 url 提供了一个线索:如果 url 包含“player”,那么您可以继续抓取所需的表格。如果没有 - 如果搜索结果表列出了不止一名 NBA 球员(Nene 示例没有),这也不是万无一失的 - 在表格中搜索 NBA 列中的值。如果那里有值,则从该行的播放器结果中获取 href。
-
不清楚你有什么问题
-
因此,如果您继续 basketball.realgm.com 并在搜索栏中输入 Raul Neto,它将转到他的页面,这很棒。但是,我的代码会抛出错误
AttributeError: 'NoneType' object has no attribute 'text',因为他个人页面上的名字是 Raulzinho Neto。我希望能够仍然从他的页面上抓取表格,而不必将我列表中的名称更改为 Raulzinho Neto。 foszter 建议使用 url 中的“播放器”来处理这个问题,但我不确定如何。是不是更清楚了? -
其他时候,我的名单将包含 Nene 的名字,没有姓氏,我计算在内,它会进入一个名字相似的球员名单 (basketball.realgm.com/search?q=nene)。从那里,我想去找那个在NBA打球的人,我也占了。在这种情况下,我想进入 Maybyner Nene 的页面,正如你所看到的,他是唯一一个在 NBA 打球的人。但是,我面临与 Raul Neto 示例相同的错误
标签: python pandas web-scraping beautifulsoup