html5 - python 处理html页面爬虫数据

Question

请求的url 数据
http://www.hkex.com.hk/chi/st...
对了我只抓取一张表，希望能够提取关键表的数据.

希望抓取的数据是该成交报表，但是HTML 的标签都是<pre>造成了数据提取的困难。

                             賣空成交量                      成交量

代號 股票名稱 股數(SH) 金額($) 股數(SH) 金額($)

  1 長和　　　　　　     299,500    27,572,475       2,201,171       202,964,029
  2 中電控股　　　　      61,000     4,622,825       1,452,853       110,040,699
  3 香港中華煤氣　　   2,939,000    42,694,880       8,024,558       116,691,466
  4 九龍倉集團　　　     297,000    17,349,550       3,136,238       183,105,286
  5 匯豐控股　　　　   1,102,800    73,202,940       8,630,868       572,622,103
  6 電能實業　　　　   1,016,500    76,262,725       4,876,990       365,926,231
  8 電訊盈科　　　　     731,000     3,478,240      13,579,323        64,672,175
 10 恒隆集團　　　　     172,000     5,209,850         967,980        29,308,292
 11 恒生銀行　　　　     189,000    30,047,370       1,075,185       170,873,130
 12 恒基地產　　　　      94,000     4,025,500       1,382,533        59,183,598
 14 希慎興業　　　　      33,000     1,167,900         642,424        22,747,393
 16 新鴻基地產　　　     425,000    45,490,800       1,635,959       175,284,039
 17 新世界發展　　　     651,000     5,833,670      10,135,381        90,633,244
 19 太古股份公司Ａ　     132,000    10,405,600         554,962        43,709,235
 20 會德豐　　　　　      72,000     3,407,750         683,368        32,286,993
 23 東亞銀行　　　　     451,600    14,991,890       1,817,000        60,295,348
 27 銀河娛樂　　　　   1,134,000    40,408,550      15,089,117       538,712,668
 31 航天控股　　　　     210,000       211,580       4,367,526         4,386,198
 34 九龍建業　　　　      31,000       228,260         292,000         2,156,291
 35 遠東發展　　　　      10,000        33,600         428,075         1,440,321
 38 第一拖拉機股份　       8,000        38,200       1,634,000         7,825,940
 41 鷹君　　　　　　      12,000       422,400         470,146        16,546,562
 45 大酒店　　　　　      35,500       305,605         503,559         4,335,522

 url = "http://www.hkex.com.hk/chi/stat/smstat/dayquot/d20170202c.htm"

    response = requests.get(url)
    if response.status_code == 200:
        soup = BeautifulSoup(response.content, "lxml")

应该如何提取该表格的数据内容。

Answer 1

解決策 1:

まず、空売りボリュームの位置を見つけます a =Soup.find('a', attrs={'name':'short_ Selling'})、次に pre->font の隣接関係に基づいて、一番下まで進みます。コラムまで 6行以内で終わります

これが結果です:

リーリー

ソースコード

リーリー

Answer 2

計画を立てさせてください。

リーリー

Answer 3

なぜわざわざ beautysoup を使うのですか?牛のナイフで鶏を殺すことはできませんbeautifulsoup，杀鸡焉用牛刀

你的网页只有一行行数据啊，格式简单的不能再简单

你直接把页面上的数据复制下来，保存成txt，然后用readline、split

ウェブページにはデータが 1 行しかなく、フォーマットはこれ以上に単純ではありません🎜 🎜 ページ上のデータを直接コピーし、txt として保存し、readline、split、または正規表現を使用してデータを抽出できます。データはわかりました🎜