我如何通過網絡抓取某些沒有附加屬性的單詞？

Question

首先，我想指出，我是網絡抓取的初學者。 我剛剛開始一個從https://coinmarketcap.com中刪除數據的項目。 目前，我專注於抓取加密貨幣的名稱（即比特幣、以太坊、Tether 等）。 但是，我能得到的最好的是貨幣名稱，然后是一堆格式，例如顏色、字體大小、類別等。我該如何編碼，以便我可以只存儲貨幣名稱而不是這個額外的信息。 這是我當前的代碼：

import requests
from bs4 import BeautifulSoup

#array of just crypto names
names = []

#gets content from site
site = requests.get("https://coinmarketcap.com")

#opens content from site
info = site.content
soup = BeautifulSoup(info,"html.parser")

#class ID for name of crypto
type_name = 'sc-1eb5slv-0 iJjGCS'

#crypto names + other unnecessary info
names_raw = soup.find_all('p', attrs={'class': 'sc-1eb5slv-0 iJjGCS'})

for type_name in names_raw:
    print(type_name.text, type_name.next_sibling)

如果圖片更有用：我當前的代碼

正如你所看到的，我只有 20 行，但很難弄清楚這一點。 我很感激你能給我的任何幫助或建議。

Answer 1

要從此頁面獲取加密貨幣的名稱和代碼，您可以使用下一個示例：

import requests
from bs4 import BeautifulSoup

url = "https://coinmarketcap.com"
soup = BeautifulSoup(requests.get(url).content, "html.parser")

for td in soup.select("td:nth-of-type(3)"):
    t = " ".join(tag.text for tag in td.select("p, span")).strip()
    print("{:<30} {:<10}".format(*t.rsplit(maxsplit=1)))

印刷：

Bitcoin                        BTC       
Ethereum                       ETH       
Tether                         USDT      
Binance Coin                   BNB       
Cardano                        ADA       
XRP                            XRP       
USD Coin                       USDC      
Dogecoin                       DOGE      
Polkadot                       DOT       
Binance USD                    BUSD      
Uniswap                        UNI       
Bitcoin Cash                   BCH       
Litecoin                       LTC       
Chainlink                      LINK      
Solana                         SOL       
Wrapped Bitcoin                WBTC      
Polygon                        MATIC     
Ethereum Classic               ETC       
Stellar                        XLM       
THETA                          THETA     

...and so on.