Re: [問題] 請問如何抓網頁上的文字

[yoco315 (眠月)]

※ 引述《liptonbin (wind)》之銘言：
: 請問各位高手
: 有沒有辦法抓到特定網頁上的特定數字
: 例如http://tw.bid.yahoo.com/tw/2092073547-category-leaf.html?.r=1186936134

用 python
==
import urllib2, BeautifulSoup
url='http://tw.bid.yahoo.com/tw/2092073547-category-leaf.html?.r=1186936134'
htm = urllib2.urlopen(url).read()
soup = BeautifulSoup.BeautifulSoup(htm)
tabs = soup('table')
trs = tabs[2]('tr')
for i in range(1, len(trs)) :
        print trs[i]('td')[0]
trs = tabs[3]('tr')
for i in range(1, len(trs)) :
        print trs[i]('td')[0]
==
output

<td><strong>1,720 元</strong><em></em></td>
<td><strong>2,499 元</strong><em></em></td>
<td><strong>1,999 元</strong><em></em></td>
<td><strong>1,580 元</strong><em></em></td>
<td><strong>1,400 元</strong><em></em></td>
<td><strong>150 元</strong><em></em></td>
<td><strong>150 元</strong><em></em></td>

<td><strong>300 元</strong><em></em></td>
<td><strong>500 元</strong><em></em></td>
<td><strong>2,650 元</strong><em></em></td>
<td><strong>800 元</strong><em></em></td>
<td><strong>900 元</strong><em></em></td>
<td><strong>2,350 元</strong><em></em></td>
<td><strong>2,600 元</strong><em></em></td>
<td><strong>2,150 元</strong><em></em></td>
<td><strong>3,200 元</strong><em></em></td>
<td><strong>6,501 元</strong><em></em></td>
<td><strong>360 元</strong><em></em></td>
<td><strong>1,450 元</strong><em></em></td>
<td><strong>800 元</strong><em></em></td>
<td><strong>150 元</strong><em></em></td>
<td><strong>150 元</strong><em></em></td>
<td><strong>299 元</strong><em></em></td>
<td><strong>299 元</strong><em></em></td>
<td><strong>1,199 元</strong><em></em></td>
<td><strong>1,500 元</strong><em></em></td>
<td><strong>1,199 元</strong><em></em></td>
<td><strong>1,250 元</strong><em></em></td>
<td><strong>1,550 元</strong><em></em></td>
<td><strong>1,450 元</strong><em></em></td>
<td><strong>1,800 元</strong><em></em></td>
<td><strong>550 元</strong><em></em></td>
<td><strong>1,422 元</strong><em></em></td>
<td><strong>2 元</strong><em></em></td>
<td><strong>750 元</strong><em></em></td>
<td><strong>450 元</strong><em></em></td>
<td><strong>1,450 元</strong><em></em></td>
<td><strong>150 元</strong><em></em></td>
<td><strong>1,800 元</strong><em></em></td>
<td><strong>99,999 元</strong><em></em></td>
<td><strong>99,999 元</strong><em></em></td>
<td><strong>4,800 元</strong><em></em></td>
<td><strong>750 元</strong><em></em></td>
<td><strong>2,200 元</strong><em></em></td>
<td><strong>331 元</strong><em></em></td>
<td><strong>350 元</strong><em></em></td>
<td><strong>900 元</strong><em></em></td>
<td><strong>1,600 元</strong><em></em></td>
<td><strong>2,200 元</strong><em></em></td>
<td><strong>800 元</strong><em></em></td>

==
BeautifulSoup 是 python 的一個 html parser
支援一定程度的容錯（還沒有到瀏覽器強度，不過已經很好用了）
http://www.crummy.com/software/BeautifulSoup/ 到這邊抓

--
To iterate is human, to recurse is divine.
遞迴只應天上有, 凡人該當用迴圈.              　   L. Peter Deutsch

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 140.114.78.32
推 qrtt1:推 python + BeautifulSoup
推 superGA:容錯cool~
推 StubbornLin:我覺得網頁抓取 最麻煩的地方
→ StubbornLin:就在於容錯 錯誤百百種= =
→ StubbornLin:別人寫好的parser通常沒容錯
→ StubbornLin:自己寫又很麻煩
→ StubbornLin:寫到後來會抱怨為啥寫程式沒容錯= =
→ meltice:有啊 C++常常幫你自動轉型啊
推 liptonbin:感謝各位的指導
推 superGA:該抱怨的是 為什麼瀏覽器容錯這麼強
→ superGA:甚至根本就是錯的也當成對的