我正在尝试从 NOAA 网站上抓取一个非常简单的表格:https://www1.ncdc.noaa.gov/pub/data/cdo/samples/PRECIP_HLY_sample_ascii.dat
该表是一个“.dat”文件，该网站似乎是 html 格式。当我使用BeautifulSoup读取内容时，我可以很好地看到内容。但是，当我使用“find_all”或“find”搜索表时，我什么也没得到，即[]。
这是我的初始代码:
page = requests.get('https://www1.ncdc.noaa.gov/pub/data/cdo/samples/PRECIP_HLY_sample_ascii.dat')
soup = BeautifulSoup(page.content,'html.parser') #'html5lib' #'html.parser' 'lxml'
table = soup.find_all('table')
当我输入 soup 时，我得到以下信息:
但是，当我尝试将信息放入表格时，它显示为空白
table
>> []
我尝试了以下变体:
page = urllib.request.urlopen('https://www1.ncdc.noaa.gov/pub/data/cdo/samples/PRECIP_HLY_sample_ascii.dat').read()
soup = BeautifulSoup(page,'lxml')
soup = BeautifulSoup(page,'html5lib') #'' #''
table = soup.findAll('table')
table = soup.findAll("div",{"class":"line-gutter-backdrop"})
table = soup.find_all(True)
但是，表格仍然是空白的。
我发现这个问题看起来很相似:Cannot find table using Python BeautifulSoup
但我的表格不是用 JavaScript 编写的(据我所知)。这只是文本。
我对数据抓取非常陌生，真的不知道为什么这个简单的例子不起作用。非常感谢任何帮助。谢谢。
最佳答案
您找不到 table 标记，因为没有，您必须找到 pre 标记。
您可以尝试此代码片段，它将获取表格内的文本:
from bs4 import BeautifulSoup as soup
import urllib
url = 'https://www1.ncdc.noaa.gov/pub/data/cdo/samples/PRECIP_HLY_sample_ascii.dat'
response = urllib.request.urlopen(url)
html = response.read()
page_soup = soup(html,'lxml')
table = page_soup.find('p')
print(table.text)
输出:
STATION STATION_NAME ELEVATION LATITUDE LONGITUDE DATE HPCP Measurement Flag Quality Flag
----------------- -------------------------------------------------- ---------- ---------- ---------- -------------- -------- ---------------- ------------
COOP:310301 ASHEVILLE NC US 682.1 35.5954 -82.5568 20100101 00:00 99999 ]
COOP:310301 ASHEVILLE NC US 682.1 35.5954 -82.5568 20100101 01:00 0 g
COOP:310301 ASHEVILLE NC US 682.1 35.5954 -82.5568 20100102 06:00 1
关于python-3.x - BeautifulSoup 发现所有表都是空的，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55398210/