Python Pandas - read_html 未找到表格

Question

我是 python 的新手，正在尝试自己进行数据分析。

我正在尝试解析来自该网站的数据： https://www.tsn.ca/nhl/statistics

我想以数据框格式获取表格。

我试过这个：

import pandas as pd

players_list_unclean = pd.read_html('https://www.sport.net.ca/hockey/nhl/players/?season=2021&?seasonType=reg&tab=Skaters')

我收到以下错误：

raise ValueError("No tables found") ValueError: 没有找到表

我可以看到有表格，但由于某种原因没有被读取。

我发现另一个堆栈溢出解决方案推荐使用 selenium：

pandas read_html ValueError：找不到表

但是，当我尝试实现此代码时，我无法在 html 页面源代码中找到表 ID。 有谁知道另一种方法来做到这一点？ 我试过其他网站，但我最终遇到了同样的问题。

from selenium.webdriver.common.keys import Keys

driver = webdriver.Firefox()
driver.get("https://www.wunderground.com/personal-weather-station/dashboard?ID=KMAHADLE7#history/tdata/s20170201/e20170201/mcustom.html")
elem = driver.find_element_by_id("history_table")

head = elem.find_element_by_tag_name('thead')
body = elem.find_element_by_tag_name('tbody')

list_rows = []

for items in body.find_element_by_tag_name('tr'):
    list_cells = []
    for item in items.find_elements_by_tag_name('td'):
        list_cells.append(item.text)
    list_rows.append(list_cells)
driver.close() ```

Answer 1

如果您右键单击表格并选择检查，您将看到该页面上的“表格”实际上并未使用 html 表格元素。

来自 Pandas 文档：

此 function 搜索 <table> 元素，并且仅搜索表中每个 <tr> 或 <th> 元素中的 <tr> 和 <th> 行以及 <td> 元素。

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_html.html

我认为这不会在此页面上工作。 可能需要找到另一个数据源。

Answer 2

没有表格，但你很幸运，因为数据来自于获取：

https://datacrunch.9c9media.ca/statsapi/sports/hockey/leagues/nhl/sortablePlayerSeasonStats/skater?brand=tsn&type=json&seasonType=regularSeason&season=2021