我编写了这段代码来从this页的表中检索文本.当我将其用于第一列时,它可以正常工作:
from bs4 import BeautifulSoup
import urllib2 #xbmc, xbmcgui, xbmcaddon
url = 'http://racing4everyone.eu/formula-e-201516/'
page = urllib2.urlopen(url)
soup = BeautifulSoup(page.read(), 'html.parser')
for row in soup.findAll('table')[0].tbody.findAll('tr'):
first_column = row.findAll('th')[0].text
print first_column
但是,当我尝试从第二列中提取相同的数据时:
for row in soup.findAll('table')[0].tbody.findAll('tr'):
second_column = row.findAll('th')[1].text
print second_column
我收到一个错误:
ePrix
Traceback (most recent call last):
File "addon.py", line 9, in <module>
second_column = row.findAll('th')[1].text
IndexError: list index out of range
我究竟做错了什么?
解决方法:
这是因为除第一行外的所有行都包含一个th元素:
<tr>
<th>1</th>
<td>...</td>
...
<td>24 October 2015</td>
</tr>
您需要从每一行中找到所有的td或th元素,并获得第一个:
for row in soup.find_all('table')[0].tbody.find_all('tr')[1:]:
print(row.find_all('td')[0].text)
[1:]这是跳过第一标题行.
印刷品:
Beijing ePrix
Putrajaya ePrix
Punta del Este ePrix
Buenos Aires ePrix
Mexico
Long Beach ePrix
Paris ePrix
Berlin ePrix
Moscow ePrix
London ePrix Race 1
London ePrix Race 2