刮网站

Question

我有这个：

 from bs4 import BeautifulSoup
 import requests

 page = requests.get("https://www.marca.com/futbol/primera/equipos.html")
 soup = BeautifulSoup(page.content, 'html.parser')
 equipos = soup.findAll('li', attrs={'id':'nombreEquipo'})

 aux = []
 for equipo in equipos:
     aux.append(equipo)

如果我打印（aux [0]）我得到了：，比利亚雷亚尔

Entrenador:

Javier Calleja

Jugadores:

1 Sergio Asenjo

13安德烈斯费尔南德斯

25马里亚诺巴博萨

...

我的问题是我想要标记：

 <h2 class="cintillo">Villarreal</h2>

标签：

1 Sergio Asenjo

把它放到数据库中我该怎么做？谢谢

Answer 1

你可以从<h2 class="cintillo">中提取第一个equipo元素，如下所示：

h2 = str(equipo.find('h2', {'class':'cintillo'}))

如果您只想要内部HTML（没有任何标签），请使用：

h2 = equipo.find('h2', {'class':'cintillo'}).text

你可以从<span class="dorsal-jugador">中提取所有equipo元素，如下所示：

jugadores = equipo.find_all('span', {'class':'dorsal-jugador'})

然后将h2和jugadores附加到多维列表中。

完整代码：

from bs4 import BeautifulSoup
import requests

page = requests.get("https://www.marca.com/futbol/primera/equipos.html")
soup = BeautifulSoup(page.content, 'html.parser')
equipos = soup.findAll('li', attrs={'id':'nombreEquipo'})

aux = []
for equipo in equipos:
        h2 = equipo.find('h2', {'class':'cintillo'}).text
        jugadores = equipo.find_all('span', {'class':'dorsal-jugador'})
        aux.append([h2,[j.text for j in jugadores]])

# format list for printing
print('\n\n'.join(['--'+i[0]+'--\n' + '\n'.join(i[1])  for i in aux]))

输出样本：

--Alavés--
Fernando Pacheco
Antonio Sivera
Álex Domínguez
Carlos Vigaray
...

但是：ぁzxswい

Answer 2

您可以创建一个团队名称字典作为键，并将[entrenador，players]列表作为值

https://repl.it/@glhr/55550385