我的網頁抓取代碼（python3.4）有什么問題

Question

我正在嘗試從網站上抓一張桌子。 它運行，但是我沒有輸出到我的文件。 我要去哪里錯了？

碼：

from bs4 import BeautifulSoup

import urllib.request

f = open('nbapro.txt','w')
errorFile = open('nbaerror.txt','w')

page = urllib.request.urlopen('http://www.numberfire.com/nba/fantasy/full-fantasy-basketball-projections')

content = page.read()
soup =  BeautifulSoup(content)

tableStats = soup.find('table', {'class': 'data-table xsmall'})
for row in tableStats.findAll('tr')[2:]:
 col = row.findAll('td')

 try: 
    name = col[0].a.string.strip()
    f.write(name+'\n')
 except Exception as e:
    errorFile.write (str(e) + '******'+ str(col) + '\n')
    pass

f.close
errorFile.close

Answer 1

問題在於，您要抓取的表數據是通過在瀏覽器端調用javascript代碼來填寫的。 urllib不是瀏覽器，因此無法執行javascript。

如果要通過urllib和BeautifulSoup解決它，則必須從script標記中提取JSON對象，然后通過json.loads()加載它。 示例，顯示玩家名稱：

import json
import re
import urllib.request
from bs4 import BeautifulSoup


soup = BeautifulSoup(urllib.request.urlopen('http://www.numberfire.com/nba/fantasy/full-fantasy-basketball-projections'))

script = soup.find('script', text=lambda x: x and 'NF_DATA' in x).text
data = re.search(r'NF_DATA = (.*?);', script).group(1)
data = json.loads(data)

for player_id, player in data['players'].items():
    print(player['name'] + ' ' + player['last_name'])