如何使用python-scrape h4信息從網站上抓取表格

Question

使用python抓表的新手，我想抓犯罪率表：我使用的軟件包：

from bs4 import BeautifulSoup
import requests
import pandas as pd
import numpy as np

這是我的代碼：加載空數組

data = []
page = requests.get("http://www.city-data.com/city/Belmont-Massachusetts.html")
soup = BeautifulSoup(page.content, "html.parser")

識別我們要刮擦的桌子

table = soup.find_all("table",{"class":"table tabBlue tblsort tblsticky sortable"})

遍歷表格，獲取顯示的13列中的每列

for row in table.find_all('tr'):
    cols = row.find_all('h4').get_text()
    if len(cols) == 13:
        data.append((cols[0].text.strip(), cols[1].text.strip(), cols[2].text.strip(), cols[3].text.strip(),cols[4].text.strip(),cols[5].text.strip(),cols[6].text.strip(),cols[7].text.strip(),cols[8].text.strip(),cols[9].text.strip(),cols[10].text.strip(),cols[11].text.strip(),cols[12].text.strip(),cols[13].text.strip()))
except: pass 


data = np.asarray(data)
len(data)
df = pd.DataFrame(data)
df.head()

我使用Mac OS，Python 3，但是最后我得到了一個空列表。 有人可以給我一些建議嗎？

我猜到的錯誤是因為我在刮取h4信息時遇到問題（表的標題位於h4區域中。）

Answer 1

我確實是這樣刮的。

# yes, you identified the right table
right_table=soup.find('table', {"class":'table tabBlue tblsort tblsticky sortable'})

rows = right_table.findAll("tr")

# header attributes of the table
header = [th.text.rstrip() for th in rows[0].find_all('th')]

# data
lst_data = []
for row in rows[1:]:
            data = [d.text.rstrip() for d in row.find_all('td')]
            lst_data.append(data)

# your expected result
df = pd.DataFrame(lst_data, columns=header)
print(df)

刮刮樂！