J'ai cette URL: https: //www.basketball-reference. Com / Teams / Tor / 2020 / Lignes de gamme , et je veux gratter la gamme 5-Man.
J'ai essayé ceci:
3 Réponses :
C'est un commentaire - voir si vous faites:
Vous obtiendrez la ligne commençant par extraire des commentaires peut arriver comme:
Demandes d'importation
De BS4 importer beauxoup, commentaire
URL = demande.get ("https://www.basketball-reference.com/teams/tor/2020/linetups")
Soup = beauxoup (URL.Content, 'html.parser')
Imprimer (Soupe.Find_All ('Div', {'Classe': ''}))
et ainsi de suite. Comme il commence par un
c'est un commentaire.
Demandes d'importation
De BS4 importer beauxoup, commentaire
URL = demande.get ("https://www.basketball-reference.com/teams/tor/2020/linetups")
Soup = beauxoup (URL.Content, 'html.parser')
Commentaires = Soupe.find_All (String = Lambda Text: ISInstance (Texte, Commentaire))
Pour c dans les commentaires:
Imprimer (C.Extract ())
0 commentaires
Vous pouvez obtenir la table à l'aide de la méthode Pandas Read_html (): Vous pouvez essayer le code ci-dessous pour votre table requise, il stocke DF dans la variable "Données": -
from selenium import webdriver
import pandas as pd
driver = driver = webdriver.Chrome(executable_path='Your/path/to/chromedriver.exe')
driver.get("https://www.basketball-reference.com/teams/TOR/2020/lineups")
html = driver.page_source
tables = pd.read_html(html)
data = tables[-7]
driver.quit()
La solution de Bailin010 est correcte (alors acceptez sa solution), mais juste pour le faire progresser davantage pour entrer dans une table: print (tables[0].head(10).to_string())
Unnamed: 0_level_0 Unnamed: 1_level_0 Unnamed: 2_level_0 Net (Per 100 Poss)
Rk Lineup MP PTS FG FGA FG% 3P 3PA 3P% eFG% FT FTA FT% ORB ORB% DRB DRB% TRB TRB% AST STL BLK TOV PF
0 1.0 O. Anunoby | M. Gasol | K. Lowry | P. Siakam |... 278:58 11.7 2.6 -0.6 0.034 1.5 0.7 0.030 0.043 5.1 4.9 0.063 -2.4 -4.2 0.8 -4.2 -0.9 -1.9 -0.4 1.6 -1.0 -3.6 -1.4
1 2.0 O. Anunoby | S. Ibaka | K. Lowry | P. Siakam |... 197:30 -4.1 -1.7 -2.1 -0.009 -2.6 -4.1 -0.030 -0.022 1.8 1.1 0.049 0.1 -2.1 -4.9 -2.1 -2.3 -5.4 -5.7 0.7 -1.5 -1.6 0.1
2 3.0 O. Anunoby | M. Gasol | N. Powell | P. Siakam ... 191:44 14.8 5.4 -3.6 0.078 4.6 0.5 0.114 0.106 -0.6 -1.2 0.017 -7.6 -12.8 0.8 -12.8 -3.5 -7.6 2.9 3.7 -2.8 -4.8 0.5
3 4.0 O. Anunoby | S. Ibaka | K. Lowry | P. McCaw | ... 134:38 -10.0 -2.5 -3.8 -0.010 -2.6 -5.3 -0.019 -0.022 -2.3 -5.2 0.080 -4.0 -8.1 -1.4 -8.1 -2.8 -6.4 -2.0 -1.3 0.4 2.0 2.1
4 5.0 O. Anunoby | S. Ibaka | K. Lowry | N. Powell |... 117:16 3.1 -2.8 -6.7 0.006 2.4 0.0 0.061 0.025 6.3 5.5 0.075 -6.3 -13.9 -4.7 -13.9 -5.5 -12.8 -1.2 4.7 -2.0 -3.1 0.0
5 6.0 O. Anunoby | M. Gasol | K. Lowry | N. Powell |... 110:38 13.2 4.3 -0.6 0.053 3.6 -3.5 0.131 0.073 1.0 2.2 -0.044 -3.1 -5.9 -0.2 -5.9 -1.9 -4.3 -4.7 5.1 4.3 -6.9 1.0
6 7.0 O. Anunoby | T. Davis | S. Ibaka | P. Siakam |... 39:11 21.0 7.9 -5.0 0.105 6.3 4.2 0.109 0.142 -1.1 0.2 -0.067 -3.5 -0.2 9.4 -0.2 3.1 6.3 4.0 -0.1 3.6 5.0 -0.6
7 8.0 O. Anunoby | R. Hollis-Jefferson | K. Lowry | ... 39:05 3.7 2.1 8.0 -0.020 -9.3 0.8 -0.242 -0.080 8.9 10.2 0.032 -1.5 -10.0 -12.6 -10.0 -7.2 -16.4 -12.1 13.2 1.3 -14.6 0.7
8 9.0 O. Anunoby | T. Davis | S. Ibaka | K. Lowry | ... 37:17 36.1 22.2 5.6 0.221 2.8 -9.7 0.179 0.232 -11.1 -12.5 -0.095 -4.2 -3.7 5.6 -3.7 0.7 1.5 19.4 1.4 4.2 -6.9 -2.1
9 10.0 M. Gasol | R. Hollis-Jefferson | N. Powell | P... 36:06 -4.1 -1.8 -21.6 0.071 -8.3 -21.0 -0.038 0.043 7.9 9.2 0.039 -16.6 -23.6 -3.6 -23.6 -10.2 -19.5 -4.4 0.1 4.2 -5.7 -6.8