为什么美丽汤会带着</td>大量的空间和新的线条回归？

Question

我正在尝试运行下面的代码，在我看来这就像一个普通的抓取片段，它应该返回列表中的表数据，但返回时有一堆空白。我试着用strip((删除多余的字符并替换("，"(。不幸的是，没有运气。

知道怎么清理这个吗？或者这是我试图访问的网站上的html问题？

from bs4 import BeautifulSoup as bs
import requests
import pandas as pd
import csv

url = 'https://www.felvi.hu/felveteli/ponthatarok_statisztikak/friss_statisztikak/!FrissStatisztikak/index.php/friss_statisztikak/szakonkent?filters%5Bsta_iin_id%5D=1475&filters%5Bsta_kar_id%5D='

result = requests.get(url)
html_code = bs(result.text, "html.parser")
table = html_code.find('table', class_ = "center tblc w100 l")
rows = table.find_all('tr')
list_rows = []
for row in rows: 
row_td = row.find_all('td')
for i in row:
print(i)
str_cells = row_td
#clean_text = bs(str_cells,"lxml").get_text()
#list_rows.append(clean_text)

Answer 1

您可以使用以下代码从该页面获取所有四个表：

import pandas as pd
dfs = pd.read_html('https://www.felvi.hu/felveteli/ponthatarok_statisztikak/friss_statisztikak/!FrissStatisztikak/index.php/friss_statisztikak/szakonkent?filters%5Bsta_iin_id%5D=1475&filters%5Bsta_kar_id%5D=')
for df in dfs:
print(df)

这将返回4个表：

_______________
0   1
0   Felhasználónév:     NaN
1   Jelszó:     NaN
_______________
0   1
0   Belépés Mégsem  Belépés Mégsem
_______________
0
0   Szűkítési feltételek:
1   Intézményválasztó:
2   ... Állatorvostudományi Egyetem (ATE) András...
3   Karválasztó:
4   ... Állatorvostudományi Egyetem (ATE )
_______________
0   1   2   3   4
0   Szak    KMF     Jelentkezők     Jelentkezők     Felvettek
1   Szak    KMF     Össz.   Első.   Felvettek
2   állatorvosi     ONA     597     458     116
3   állatorvosi     ONK     231     15  34
4   biológia    ANA     193     60  29
5   biológia    ANK     37  2   1
6   biológus    MNA     43  11  9
7   biológus    MNK     4   0   0

这些桌子中有你想要的吗？

Pandas相关文件可在https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_html.html

Answer 2

您可以使用pandas轻松地从表中获取数据

html_code = bs(result.text, "html.parser")
table = html_code.find('table', class_ = "center tblc w100 l")
df = pd.read_html(str(table))

您将在如下数据帧中获取数据：

0    1            2            3          4
0         Szak  KMF  Jelentkezők  Jelentkezők  Felvettek
1         Szak  KMF        Össz.        Első.  Felvettek
2  állatorvosi  ONA          597          458        116
3  állatorvosi  ONK          231           15         34
4     biológia  ANA          193           60         29
5     biológia  ANK           37            2          1
6     biológus  MNA           43           11          9
7     biológus  MNK            4            0          0