Skip to main content
 首页 » 编程设计

python之如何用Python选择网页的特定表格

2025年05月04日11del

我是编程和 python 方面的新手。但我想在我的 python 脚本中解析 HTML。

这是网页: http://stock.finance.sina.com.cn/hkstock/finance/00759.html

问题 1:

本页是关于特定股份的财务信息。这四张表是关于:

  1. 财务摘要,
  2. Assets 负债表,
  3. 现金流
  4. 损益表。

我想提取表 3 和表 4 中的信息。这是我的代码:

import urllib 
from bs4 import BeautifulSoup 
 
url = 'http://stock.finance.sina.com.cn/hkstock/finance/00759.html' 
 
html = urllib.urlopen(url).read()   #.read() mean read all into a string 
soup = BeautifulSoup(html, "lxml") 
 
table = soup.find("table", { "class" : "tab05" }) 
for row in table.findAll("tr"): 
    print row.findAll("td") 

但是这段代码只能得到第一个表的信息。如何更改代码以获取第三个和第四个表信息?我发现那 4 个表不包含唯一 ID 或类名,我不知道如何找到它们....

问题 2:

这也是简体中文网页,如何在输出时保留原文?

问题 3:

在每个表格的右上角,有一个下拉菜单可以选择合适的时期,分别是:“全部”、“全年”、< strong>“半年”、“一季度”和“三季度”。 urllib 是否能够更改此下拉菜单?

非常感谢。

请您参考如下方法:

根据该网站,所有四个表都有类名称“tab05”。

因此,您只需将 soup 中的 .find 方法更改为 .findAll,然后所有四个表可以访问。

import urllib 
from bs4 import BeautifulSoup 
 
url = 'http://stock.finance.sina.com.cn/hkstock/finance/00759.html' 
html = urllib.urlopen(url).read() 
soup = BeautifulSoup(html, "lxml") 
 
tables = soup.findAll("table", { "class" : "tab05" }) 
print len(tables) #4 
 
for table in tables: 
    for row in table.findAll("tr"): 
        for col in row.findAll("td"): 
            print col.getText() 

关于简体中文的编码,print col.getText() 会在终端得到正确的单词。如果您要将它们写入文件,则必须将字符串编码为 gb2312。

f.write(col.getText().encode('gb2312')) 

对于第3个问题,由于数据是通过datatable.js中写的javascript函数渲染的,我认为仅仅通过urllib是不可能全部获取到的。最好查看其他一些库以找到合适的用法。