如何#document frames in beautifulsoup that has microsoft excel schema？

Question

正如標題所說，我正在抓取一個包含一組學校列表的網站。 單擊它，將您重定向到另一個使用xmlns:urn:schemas-microsoft-com:office:excel的.htm網站。

我想要的只是訪問學校的名稱 email 及其網站，我相信我可以自己完成，稍后我會將其導出到 csv 文件中。 但問題是，我無法以任何方式訪問該表，並且嘗試給我None作為 output。

主要網站： https://myschoolchildren.com/list-of-all-secondary-schools-in-malaysia/#.YzWrtXZBy3A該網站的第一個鏈接： https://myschoolchildren.com/data/SEK_MEN_Johor.htm

到目前為止，這是我的工作（整個代碼已共享）：

import requests
from bs4 import BeautifulSoup


def write(file_name, data_type):
    with open(file_name, "a") as requirement:
        requirement.write("%s\n" % data_type)


def url_parser(url):
    html_doc = requests.get(url).text
    soup = BeautifulSoup(html_doc, 'html.parser')
    return soup


def lxml_url_parser(url):
    html_doc = requests.get(url)
    soup = BeautifulSoup(html_doc.text, 'lxml')
    return soup


def data_fetch(url):
    soup = url_parser(url)
    links = soup.find(class_='entry-content').find_all('a')
    for link in links:
        web = link.get('href')
        soup2 = lxml_url_parser(web)
        #school_name = soup2.find('tbody').find_all('tr')
        print(soup2)
        #print(school_name)
        break


def main():
    url = "https://myschoolchildren.com/list-of-all-secondary-schools-in-malaysia/#.YzWrtXZBy3A"
    data_fetch(url)


if __name__ == "__main__":
    main()

我不知道我哪里出錯了。我只想要學校的名字，email 和學校的網站。 有什么建議么？

Answer 1

嘗試改變

html_doc = requests.get(url)

到

html_doc = requests.get(url.replace('.htm', '_files/sheet001.htm'))

當頁面加載時，表就是從這里動態加載的