错误抓取漂亮的汤js生成表

Question

我正在尝试使用Beautiful Soup和/或Selenium（no pandas，lxml）在python 2.7中刮一张表。 该表中的特定列需要写入csv文件。 我已经看了大部分类似的问题（ 12548793 ， 30734963， 33448974 ， 32434378和更多），但没有为我工作至今。 显然，这是我第一次尝试刮擦任何东西，所以我什至不假装自己了解自己所做的一半。
下面的代码有些起作用：

import urllib2
import bs4
from bs4 import BeautifulSoup
import csv

url = "http://data.dnr.nebraska.gov/RealTime/Gage/Index?StationSource=1&StationType=3&RiverBasin=" 

page = urllib2.urlopen(url).read()
soup = BeautifulSoup(page, "html.parser")

#get table headers for the columns of interest
#Data of interest:['Station_Name', 'Station_number', 'Date_time', 'Stage', 'Discharge'])

table1 = soup.find("table", id="StationNames")
ths = table1.findAll('th')
headers = (ths[0].text, ths[1].text, ths[2].text, ths[3].text, ths[4].text)

#print headers
#get measurements
table = soup.find_all('table', {"class":"btn-NDNR BlueUnderline"})
for tr in soup.find_all('tr')[2:]:
    tds = tr.find_all('td')
    ncontent =(tds[0].text, tds[1].text, tds[2].text, tds[3].text, tds[4].text)
    #print ncontent
#write the csv file

with open('E:/test/nebraska.csv', 'a') as csvfile:
        writer = csv.writer(csvfile)
        writer.writerow(headers)
        writer.writerow(ncontent)
        #writer.writerow([value.get_text(strip=True).encode("utf-8") for value in ncontent])  

除了csv表是空的，而且在我打印时，这是我得到的：

 (u'\r\n                                Station Name\r\n                            ', u'\r\n                                Station Number\r\n                            ', u'\r\n                                Date Time (UTC)\r\n                            ', u'\r\n                                Stage\r\n                            ', u'\r\n                                Discharge\r\n                            ')
    (u'\nBig Blue River at Beatrice - NDNR ', u'\r\n                                            6881500\r\n                                        ', u'\r\n                                            01/05/2016 14:45 \r\n                                        ', u'\r\n                                            4.27\r\n                                        ', u'\r\n                                            524.62\r\n                                        ')  

另外，是否有更有效，更快捷的方法来执行此操作？
预先谢谢您-任何帮助将不胜感激。

Answer 1

几个错误：

1. 您需要删除所有文本。 例如， tds[0].text.strip()
2. 您只需写表的最后一行。 在循环过程中重写了ncontent变量。

修正错误，您将一路顺风。