如何使用Python和Beautiful Soup 条件性地获取数据

Question

抱歉如果你觉得这个问题已经被问过了，但我看了相关的问题，作为一个Python新手，我还是找不到怎么用干净的方式写这个请求。

现在我有这段简单的Python代码：

from mechanize import Browser

from BeautifulSoup import BeautifulSoup
import re
import urllib2



br = Browser()
br.open("http://www.atpworldtour.com/Rankings/Singles.aspx")

filename = "rankings.html"
FILE = open(filename,"w")

html = br.response().read(); 

soup = BeautifulSoup(html);
links = soup.findAll('a', href=re.compile("Players"));
for link in links:
    print link['href'];

FILE.writelines(html);

这段代码可以获取所有链接，其中的href包含“player”这个词。

现在我需要解析的HTML大概长这样：

<tr>
  <td>1</td>
  <td><a href="/Tennis/Players/Top-Players/Roger-Federer.aspx">Federer,&nbsp;Roger</a>&nbsp;(SUI)</td>
  <td><a href="/Tennis/Players/Top-Players/Roger-Federer.aspx?t=rb">10,550</a></td>
  <td>0</td>
  <td><a href="/Tennis/Players/Top-Players/Roger-Federer.aspx?t=pa&m=s">19</a></td>
</tr>

这里的1表示玩家的排名。我想把这些数据放到一个字典里：

• 排名
• 玩家的名字
• 详细页面的链接（比如这里是/Tennis/Players/Top-Players/Roger-Federer.aspx）

你能给我一些建议吗？或者如果这很简单的话，帮我写这段代码？我不太确定怎么在Beautiful Soup里写这个请求。

安东尼

Answer 1

用你的方法查找玩家是可以的，但每个玩家会返回3个结果。其实直接查找表格会更简单，然后再逐行查看（除了表头）：

table=soup.find('table', 'bioTableAlt')
for row in table.findAll('tr')[1:]:
    cells = row.findAll('td')
    #retreieve data from cells...

要获取你需要的数据：

    rank = cells[0].string
    player = cells[1].a.string
    link = cells[1].a['href']