html表格型数据用bs或者re模块怎么分析出(提取)对应的值的超链接

timespace

不是都有想法了吗？一步一步做，遇到具体问题再发问。

timespace

已有楼上热心朋友提供的Python2版本了，我顺路提供个Python3的。

1. from bs4 import BeautifulSoup
   
2. from urllib.request import Request, urlopen
   
3. 
   
4. user_agent = \
   
5.         'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_1) '\
   
6.         'AppleWebKit/537.73.11 (KHTML, like Gecko) Version/7.0.1 '\
   
7.         'Safari/537.73.11'
   
8. 
   
9. def get_doc(url):
   
10.     req = Request(url, headers={'User-Agent': user_agent})
    
11.     return BeautifulSoup(urlopen(req).read().decode('GB18030'))
    
12. 
    
13. def main():
    
14.     doc = get_doc('http://www.porttrade.net/workinfo/PrintMD.aspx')
    
15.     for tr in doc.select('table#DataGrid2 > tr'):
    
16.         td = tr.select('td:nth-of-type(8)')
    
17.         if not td or td[0].string.find('铁矿砂') == -1: continue
    
18.         td = tr.select('td:nth-of-type(1) > a')
    
19.         if not td: continue
    
20. 
    
21.         name = td[0].string.strip()
    
22.         url = 'http://www.porttrade.net/workinfo/' + td[0]['href']
    
23.         tr_doc = get_doc(url)
    
24.         td = tr_doc.select('span#txtbz')
    
25.         if td:
    
26.             note = td[0].string.strip() if td[0].string else 'None'
    
27.             print('船名：{}\n备注：{}\n网址：{}\n'.format(name, note, url))
    
28. 
    
29. if __name__ == '__main__':
    
30.     main()
    

复制代码

执行输出：

1. (py3) bash-3.2 $python --version
   
2. Python 3.3.4
   
3. (py3) bash-3.2 $python bs.py
   
4. 船名：敬业6
   
5. 备注：货备新苏港
   
6. 网址：http://www.porttrade.net/workinfo/SASP.aspx?id=343989
   
7. 
   
8. 船名：长禄海
   
9. 备注：货备新苏港。
   
10. 网址：http://www.porttrade.net/workinfo/SASP.aspx?id=344094
    
11. 
    
12. 船名：浙海161
    
13. 备注：None
    
14. 网址：http://www.porttrade.net/workinfo/SASP.aspx?id=344096
    
15. 
    
16. 船名：金海鲲
    
17. 备注：None
    
18. 网址：http://www.porttrade.net/workinfo/SASP.aspx?id=344184
    
19. 
    
20. 船名：陆海顺
    
21. 备注：None
    
22. 网址：http://www.porttrade.net/workinfo/SASP.aspx?id=344199

复制代码

注：
1. 全面的异常检查，我就懒得做了。
2. 尽量加上与本地浏览器一致的User-Agent。
3. Python 3的源文件编码默认是UTF-8
如果经常抓网页数据，了解WEB基础是必须的，这不是一两个下午能搞定的，做好长期战斗准备。

timespace

回复 9# prints
这里取的是第八列“装货名称”，你可以在这基础上随便改。细节就是两部分内容，其一要看bs4文档的select函数，其二就是了解CSS selector语法