我正在编写我的第一个python web scraper,我在编写代码时遇到了麻烦,无法抓取我想要的数据。
到目前为止,这是我的代码:
import bs4 as bs
import urllib.request
source = urllib.request.urlopen ('http://finviz.com/screener.ashx?v=340&s=ta_topgainers')
soup = bs.BeautifulSoup(source, "html.parser")
#Ticker = 'quote.ashx?t'
print (Ticker)
我想从网站上提取的是这部分代码:
<a href="quote.ashx?t=ETRM&ty=c&p=d&b=1">
这是整行,但我只对以上部分感兴趣:
<a href="quote.ashx?t=ETRM&ty=c&p=d&b=1"><img src="chart.ashx?t=ETRM&ta=1&ty=c&p=d&s=l" alt="" width="700" height="340" border="0"/></a></td>
具体来说,我想拉动股票代码,在这种情况下是$ ETRM。我想从上面的页面中提取上述格式的所有股票代码。
我尝试隔离quote.ashx?t
,但它只是返回页面的完整源代码。
答案 0 :(得分:0)
您可以通过部分匹配 href
值与CSS selector找到所需的链接:
link = soup.select_one("a[href*=ETRM]")
print(link["href"])
答案 1 :(得分:0)
soup.select('a[href^="quote.ashx?t"]') # select a tag which have href starts with quote.ashx?t
出:
[<a href="quote.ashx?t=ETRM&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=ETRM&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=ETRM&ty=c&p=d&b=1">ETRM</a>,
<a href="quote.ashx?t=SSY&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=SSY&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=SSY&ty=c&p=d&b=1">SSY</a>,
<a href="quote.ashx?t=PTX&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=PTX&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=PTX&ty=c&p=d&b=1">PTX</a>,
<a href="quote.ashx?t=ZFGN&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=ZFGN&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=ZFGN&ty=c&p=d&b=1">ZFGN</a>,
<a href="quote.ashx?t=JTPY&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=JTPY&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=JTPY&ty=c&p=d&b=1">JTPY</a>,
<a href="quote.ashx?t=ARWR&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=ARWR&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=ARWR&ty=c&p=d&b=1">ARWR</a>,
<a href="quote.ashx?t=PCRX&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=PCRX&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=PCRX&ty=c&p=d&b=1">PCRX</a>,
<a href="quote.ashx?t=ATOS&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=ATOS&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=ATOS&ty=c&p=d&b=1">ATOS</a>,
<a href="quote.ashx?t=QTNT&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=QTNT&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=QTNT&ty=c&p=d&b=1">QTNT</a>,
<a href="quote.ashx?t=GBX&ty=c&p=d&b=1"><img alt="" border="0" height="340" src="chart.ashx?t=GBX&ta=1&ty=c&p=d&s=l" width="700"/></a>,
<a class="tab-link" href="quote.ashx?t=GBX&ty=c&p=d&b=1">GBX</a>]