Я пытаюсь разобрать информацию на веб-странице http://www.baseball-reference.com/teams/BOS/2000-pitching.shtml в Python с помощью BeautifulSoup. Я хочу распечатать соответствующее имя каждого игрока для таблицы «Team Pitching». Однако код повторяет имя игроков после определенного имени (в этом случае после строки 15 он повторяет имя «Pedro Martinez»,). Например:?Почему я не могу разобрать эту HTML-страницу в Python?
1 Pedro Martinez
2 Jeff Fassero*
3 Ramon Martinez
4 Pete Schourek*
5 Rolando Arrojo
6 Tomo Ohka
7 Derek Lowe
8 Tim Wakefield
9 Rich Garces
10 Rheal Cormier*
11 Hipolito Pichardo
12 Brian Rose
13 Bryce Florie
14 John Wasdin
15 Pedro Martinez
16 Jeff Fassero*
17 Ramon Martinez
18 Pete Schourek*
19 Rolando Arrojo
20 Tomo Ohka
21 Derek Lowe
22 Tim Wakefield
23 Rich Garces
24 Rheal Cormier*
25 Hipolito Pichardo
26 Brian Rose
27 Bryce Florie
28 John Wasdin
у вас есть представление о том, что происходит Это мой код:
# Sample web page
#http://www.baseball-reference.com/teams/BOS/2000-pitching.shtml
import urllib2
import lxml
from bs4 import BeautifulSoup
# Download webpages 2010 webpage
y = 2000
url = 'http://www.baseball-reference.com/teams/BOS/'+ str(y) +'-pitching.shtml'
print 'Download from :', url
#dowlnload
filehandle = urllib2.urlopen(url)
fileout = 'YEARS'+str(y)+'.html'
print 'Save to : ', fileout, '\n'
#save file to disk
f = open(fileout,'w')
f.write(filehandle.read())
f.close()
# Read and parse the html file
# Parse information about the age of players in 2000
y = 2000
filein = 'YEARS' + str(y) + '.html'
print(filein)
soup = BeautifulSoup(open(filein))
entries = soup.find_all('tr', attrs={'class' : ''}) #' non_qual' ''
print(len(entries))
i = 0
for entry in entries:
columns = entry.find_all('td')
#print(len(columns), 'i:', i)
if len (columns)==34: # Number of columns of the table
i = i + 1
#print i, len(columns)
age = columns[2].get_text()
print i, age
Вы хотите извлечь? И что и где таблица? –
Код, который вы показываете, разбит двумя способами - использует переменные 'year' и' table', которые никогда не определены. Исправляя его, чтобы использовать 'y' и' soup' вместо этого, он работает нормально - делает ** не ** воспроизводит упоминаемую вами ошибку (и в 2010 году нет «Pedro Martinez»: это Джон Лэки, Джон Лестер и т. Д.). –
Использование 2000 (как указано в тексте), а не 2010 (как в вашем коде), и снова с именами исправлений выше wrt, # 1 действительно является Pedro Martinez, но, опять же, никакой ошибки - # 15 является Rod Beck и т. д. –