[英]Pandas pd.read_html() Function Gives me 'HTTP Error 403: Forbidden'
我一直在使用 pandas 來抓取數據表。 使用 pd.read_html() 非常簡單,但是我嘗試使用的其中一個 url 不起作用。 這是我的代碼:
import pandas as pd
import requests
base_site = 'https://stats.ncaa.org/team/376/stats/15061'
r = requests.get(base_site)
r.status_code
tables = pd.read_html(base_site)
我導入了檢查狀態碼的請求,它輸出了 200,這很好。
這是 pd.read_html() 的 output:
---------------------------------------------------------------------------
HTTPError Traceback (most recent call last)
<ipython-input-4-398e418f089e> in <module>()
----> 1 tables = pd.read_html(base_site, attrs = {'class' : 'dataTable', 'id' : 'statgrid'})
11 frames
/usr/lib/python3.6/urllib/request.py in http_error_default(self, req, fp, code, msg, hdrs)
648 class HTTPDefaultErrorHandler(BaseHandler):
649 def http_error_default(self, req, fp, code, msg, hdrs):
--> 650 raise HTTPError(req.full_url, code, msg, hdrs, fp)
651
652 class HTTPRedirectHandler(BaseHandler):
HTTPError: HTTP Error 403: Forbidden
在查看 html 后,我嘗試添加參數以使調用更具體,但收到相同的錯誤無濟於事。
tables = pd.read_html(base_site, attrs = {'class' : 'dataTable', 'id' : 'statgrid'})
我錯過了一些明顯的東西嗎? 其他站點會向我指定的表 object 返回一個列表,但我無法弄清楚為什么這對於我真正想要數據的站點不起作用。
您可能想查看 bs4 或 selenium 以獲取 web 抓取。
對於你的問題,嘗試更換
pd.read_html(base_site)
至
pd.read_html(r.text)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.