Python 美化组迭代不工作

您好，我正在尝试解析此网站（）的html并获取表数据。我试图从结果中排除前三个表行，但由于某些原因，我无法让解析器这样做。这是我第一次尝试专业刮削，我完全不知道如何让它工作。我猜这可能与我正在使用的html5lib解析器有关，但老实说，我不知道。谁能告诉我怎么才能让它工作

作为一个好的测试，从前三行提取数据是非常有用的。这样我可以确信完成的查询将从除这些之外的任何地方提取数据

---

例如，表中的第一行是“马术网站”

您只取前三行，不忽略列表中的前三个元素：

from bs4 import BeautifulSoup
import requests
s=requests.Session()
r=s.get('http://www.virginiaequestrian.com/main.cfm?action=greenpages&GPType=8')
soup=BeautifulSoup(r.text,'html5lib')

DataGrid=soup.find('tbody')
test=[]
for tr in DataGrid.find_all('tr')[:3]:
        for td in tr.find_all('td'):
            print td.string

应该是

DataGrid.find_all（'tr'）[3:

#除前三个元素外的所有元素

 DataGrid.find_all('tr')[:3] # first three elements

上面的

tbl.find_all（“tr”）

在切片时使用两个不同的解析器输出：

from bs4 import BeautifulSoup
import requests

r=requests.get('http://www.virginiaequestrian.com/main.cfm?action=greenpages&GPType=8')
soup=BeautifulSoup(r.content)

tbl = soup.find("table")
for tag in tbl.find_all("tr")[3:]:
    for td in tag.find_all('td'):
        print td.text

如果您真的想要更多的

HREF，那么您应该完全这样做，为每个
tr
获取
a
标记，在您真正想要的行之前还有6个tr，因此您需要跳过6：

In [20]: soup=BeautifulSoup(r.content,"html.parser")

In [21]: tbl = soup.find("table")

In [22]: len(tbl.find_all("tr"))
Out[22]: 364

In [23]: len(tbl.find_all("tr")[3:])
Out[23]: 361

In [24]: soup=BeautifulSoup(r.content,"lxml")

In [25]: tbl = soup.find("table")

In [26]: len(tbl.find_all("tr")[3:])
Out[26]: 361

In [27]: len(tbl.find_all("tr"))
Out[27]: 364

输出：

tbl = soup.find("table")
out = (tag.find('a') for tag in tbl.find_all("tr")[6:])

for a in out:
    print(a["href"])

for a in out:
    print("http://www.virginiaequestrian.com/{}".format(a["href"]))

要使用链接，只需在主url前面加上前缀：

main.cfm?action=greenpages&sub=view&ID=9068
main.cfm?action=greenpages&sub=view&ID=9504
main.cfm?action=greenpages&sub=view&ID=10868
main.cfm?action=greenpages&sub=view&ID=10261
main.cfm?action=greenpages&sub=view&ID=10477
main.cfm?action=greenpages&sub=view&ID=10708
main.cfm?action=greenpages&sub=view&ID=11712
main.cfm?action=greenpages&sub=view&ID=12402
main.cfm?action=greenpages&sub=view&ID=12496
..................

输出：

tbl = soup.find("table")
out = (tag.find('a') for tag in tbl.find_all("tr")[6:])

for a in out:
    print(a["href"])

for a in out:
    print("http://www.virginiaequestrian.com/{}".format(a["href"]))

如果你打开第一个，你将进入马术网站，即你想要的第一个数据
 是的，我这么做是因为表中有很多元素，我想测试这个片段是否正常工作。我改变了一些数字，但我不认为有任何影响。我总是能得到完整的列表……它对我很有用，试着更改你的解析器，你确定要打印
DataGrid.find_all（'tr'）[：3]
和
DataGrid.find_all（'tr'）
给你完全相同的输出吗？如果我使用默认或'lxml'，我会得到一个非类型错误。这就是为什么我必须使用html5lib。我打印了DataGrid=soup.find（'tbody'）test=[]用于DataGrid中的tr.find_all（'tr'）：用于tr.find_all（'td'）：打印td.text test.append（td）print'\n%I'%len（test）并包括[:3]我得到了一个3601的计数。如果不包括切片器，我得到的计数是5399…这实际上现在提出了一个问题，为什么在364个元素的表中，前3个元素构成了计数的一半以上…完全按照上面的方法运行代码，并添加
tbl的长度。find_all（“tr”）[3://code>和
tbl。find_all（“tr”）
不用担心，如果我知道你只是想要更多的链接，生活会更简单！我添加了代码，让他们添加你考虑的前三行。