如何用Python选择网页的具体表格

Question

我是编程和python的新手。但是我想在python脚本中解析HTML。在

以下是网页： 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. 资产负债表
3. 现金流
4. 损益表。在

我想提取表3&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")

但是这个代码只能得到第一个表的信息。如何更改代码以获取第三和第四个表信息？我发现这4个表不包含唯一的id或类名，我不知道如何定位它们。。。。在

问题2:

这也是简体中文网页，如何保持原文输出？在

问题3:

在每个表格的右上角有一个下拉菜单，用于选择适当的期间，即：“全部”，“全年”，“半年”，“第一季度”，“第三季度”。urllib是否可以更改此下拉菜单？在

非常感谢。在

Answer 1

谢谢你的答复。 我可能误解了你的意思。我将代码重写如下：

tables = soup.findAll("table", { "class" : "tab05" })

print len(tables)

for row in tables[0].findAll("tr"):
    for col in row.findAll("td"):
        print col.getText()

“len（tables）”的结果是1。只能访问第一个表。 我还发现如果我使用

^{pr2}$

我无法得到那张桌子的全部信息。从这个代码得到的最后一个数字是“-45.7852”，这只是该表的一半。在

Answer 2

该网站称，这四个表的类名都是“tab05”。在

因此，您只需在var soup处将.find方法更改为.findAll，然后就可以访问所有四个表。在

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()

对于简体中文的编码，print col.getText()将在终端上得到正确的单词。如果要将它们写入文件，则必须将字符串编码为gb2312。在

^{pr2}$

对于第三个问题，因为数据是用javascript函数来呈现的数据表.js，我认为不可能简单地通过urllib来获得所有这些。最好去别的图书馆看看，找到合适的用法。在