[英]How can we download multiple Excel files from a URL?
我正在尝试从 URL 下载所有 Excel 文件。
https://healthcare.ascension.org/price-transparency/price-transparency-files
这是我的hacky代码。
from bs4 import BeautifulSoup
import urllib.request
for numb in ('1', '10'):
resp = urllib.request.urlopen("https://healthcare.ascension.org/price-transparency/price-transparency-files")
soup = BeautifulSoup(resp, from_encoding=resp.info().get_param('charset'))
for link in soup.find_all('a', href=True):
if 'xls' in link['href']:
print(link['href'])
dls = link['href']
urllib.request.urlretrieve(dls, str(numb) + ".xls")
我只是根据我刚刚做的一些谷歌搜索把它放在一起。 当我运行该代码时,我收到此错误。
ValueError: unknown url type: '/-/media/project/ascension/healthcare/price-transparency-files/al/630578923_ascension-saint-vincents-east_standardcharges.xlsx'
我刚刚循环了 1:10,因为我不确定如何获取 Excel 文件的实际名称,但查看页面后面显示 Excel URL 看起来像这样。
每个 Excel 文件都有一个名为“标准费用”的工作表。 我不确定是否必须下载每个文件,或者只是打开它并从名为“标准费用”的工作表中复制数据,但基本上我试图将“标准费用”中的所有内容放入一个数据框中。 当我查看一些表格时,我可以很快看出标题有时会略有不同,但我认为'pd.concat'
应该能够非常无缝地处理它。 知道如何将所有内容放入一个数据框中吗? 谢谢。
使用User-Agent
获得成功的请求,您可以在 Network call 中找到
import requests
from bs4 import BeautifulSoup
headers={"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36"}
resp = requests.get("https://healthcare.ascension.org/price-transparency/price-transparency-files",headers=headers)
soup = BeautifulSoup(resp.text,"html.parser")
写入 Excel 文件的代码:
for link in soup.find_all('a', href=True):
if 'xls' in link['href']:
url="https://healthcare.ascension.org"+link['href']
file="tmp/"+url.split("/")[-1].split(".")[0]+".xls"
print(file)
urllib.request.urlretrieve(url, file)
此处 URL 将仅保留最后一部分,因此您必须与基础 url 连接以调用在本地下载 Excel 文件
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.