从棒球参考 Python 中获取文本数据

【问题标题】：Grabbing text data from Baseball-reference Python从棒球参考 Python 中获取文本数据
【发布时间】：2015-06-12 22:32:04
【问题描述】：

http://www.baseball-reference.com/players/split.cgi?id=aardsda01&year=2015&t=p

我想得到这个投手用什么手臂投球的数据。如果是表格，我可以抓取数据，但我不知道如何获取文本。

David Aardsma    \ARDS-mah\

David Allan Aardsma (twitter: @TheDA53)

Position: Pitcher
Bats: Right, Throws: Right 
Height: 6' 3", Weight: 220 lb.

文本看起来像这样。我想得到Throws:之后的所有东西。

【问题讨论】：

标签： python web-scraping html-parsing

【解决方案1】：

如果您要使用BeautifulSoup 解决它，您将通过文本Throws: 找到b 标签并获得following sibling：

>>> from urllib2 import urlopen
>>> from bs4 import BeautifulSoup
>>>
>>> url = "http://www.baseball-reference.com/players/split.cgi?id=aardsda01&year=2015&t=p"
>>> soup = BeautifulSoup(urlopen(url))
>>> soup.find("b", text='Throws:').next_sibling.strip()
u'Right'

【讨论】：

这太干净了！做得好。为了完整起见，我们需要一个“import re”，但也许这很明显
@JoeSparacino 谢谢，实际上，我们可以在这里使用完全匹配，不需要re，已编辑。