我正在尝试从 NJR 抓取数据,http: //www.njrsurgeonhospitalprofile.org.uk/HospitalProfile?hospitalName = Abergele%20Hospital
我正处于获得正确值的地步,但是,我无法获得各自组中的值。
如果您打开上面的链接,然后单击“12 个月练习简介”下拉菜单,您可以看到不同的“操作类型”。我希望每一行都是它的特定组。
截至目前,我的代码将收集所有信息,但未将其分为特定组。事实上,在试图更多地理解我的代码时,它只是拉出在两者之间找到的所有字符串,这些字符串可能不够具体。
要么我错误地提取数据,要么我需要找出一种方法将结果分成适当的组。
import requests
from bs4 import BeautifulSoup
r=requests.get("http://www.njrsurgeonhospitalprofile.org.uk/HospitalProfile?hospitalName=Abergele%20Hospital")
c=r.content
soup=BeautifulSoup(c,"html.parser")
all=soup.find_all(["div"],{"class":"toggle_container"})[1]
print(all)
到目前为止,我能够解析出包含所有必要数据的适当 HTML 代码。接下来我遍历所有“td”对象。
i=0
for item in all.find_all("td"):
print(all.find_all("td")[i].text)
i=i+1
print("done")
结果:
Hip Primary
-
208
220
Hip Revision
-
Fewer Than 5
25
Knee Primary
Patello-Femoral Replacement
Fewer Than 5
4
Knee Primary
Total knee replacement
211
230
Knee Primary
Unicondylar Knee Replacement
20
26
Knee Revision
-
5
16
Shoulder Primary
-
15
16
Total
459+
537
done
实际上,我不想要全国平均值或总行。但我可以稍后弄清楚。
这可能不是您问题的最有效答案,但您可以创建一个空列表(即all_rows
),其中将包含长度为 4 个项目的列表。
temp = list()
all_rows = list()
for item in all.find_all('td'):
temp.append(item.text)
i += 1
if i % 4 == 0:
all_rows.append(temp)
temp = []
这给出了以下输出:
[
['Hip Primary', '-', '208', '220'],
['Hip Revision', '-', 'Fewer Than 5', '25'],
['Knee Primary', 'Patello-Femoral Replacement', 'Fewer Than 5', '4'],
['Knee Primary', 'Total knee replacement', '211', '230'],
['Knee Primary', 'Unicondylar Knee Replacement', '20', '26'],
['Knee Revision', '-', '5', '16'],
['Shoulder Primary', '-', '15', '16'],
['\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0Total', '', '459+', '537']
]
然后您可以将所有这些存储在字典中,其中您的键是索引 0,您的值是列表中剩余 3 个项目的列表。像这样:
all_rows_dict = dict()
for l in all_rows:
all_rows_dict[l[0]] = l[1::]
这给出了以下输出:
{
'Hip Primary': ['-', '208', '220'],
'Hip Revision': ['-', 'Fewer Than 5', '25'],
'Knee Primary': ['Unicondylar Knee Replacement', '20', '26'],
'Knee Revision': ['-', '5', '16'],
'Shoulder Primary': ['-', '15', '16'],
'\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0\xa0Total': ['', '459+', '537']
}
然后要删除所有这些不间断空格,您可以创建一个像这样的干净字典:
clean_dict = {key.replace(u'\xa0', u''): value for key, value in all_rows_dict.items()}
最终输出为:
{
'Hip Primary': ['-', '208', '220'],
'Hip Revision': ['-', 'Fewer Than 5', '25'],
'Knee Primary': ['Unicondylar Knee Replacement', '20', '26'],
'Knee Revision': ['-', '5', '16'],
'Shoulder Primary': ['-', '15', '16'],
'Total': ['', '459+', '537']
}
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句