import requests
from bs4 import BeautifulSoup
data = requests.get("http://www.basketball-reference.com/leagues/NBA_2014_games.html")
soup = BeautifulSoup(data.content)
soup.find_all("a")
for link in soup.find_all("a"):
"<a href='%s'>%s</a>" %(link.get("href=/boxscores"),link.text)
我试图仅获取盒子分数的链接。然后运行循环并将各个链接中的数据组织到 csv 中。我需要将链接保存为向量并运行一个循环......然后我陷入困境,我不确定这是否是正确的方法。
最佳答案
这个想法是迭代所有具有 href
属性的链接 (a[href]
CSS Selector ),然后循环遍历链接和 construct an absolute link如果 href
属性值不以 http
开头。将所有链接收集到列表列表中并使用 writerows()
将其转储到 csv:
import csv
from urlparse import urljoin
from bs4 import BeautifulSoup
import requests
base_url = 'http://www.basketball-reference.com'
data = requests.get("http://www.basketball-reference.com/leagues/NBA_2014_games.html")
soup = BeautifulSoup(data.content)
links = [[urljoin(base_url, link['href']) if not link['href'].startswith('http') else link['href']]
for link in soup.select("a[href]")]
with open('output.csv', 'wb') as f:
writer = csv.writer(f)
writer.writerows(links)
output.csv
现在包含:
http://www.sports-reference.com
http://www.baseball-reference.com
http://www.sports-reference.com/cbb/
http://www.pro-football-reference.com
http://www.sports-reference.com/cfb/
http://www.hockey-reference.com/
http://www.sports-reference.com/olympics/
http://www.sports-reference.com/blog/
http://www.sports-reference.com/feedback/
http://www.basketball-reference.com/my/auth.cgi
http://twitter.com/bball_ref
...
尚不清楚您的输出应该是什么,但这至少是您可以使用的起点。
关于Python 链接抓取器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27710483/