0
我打算fromthe以下网站的HTML 链接提取数据:http://movie.walkerplus.com/list/2015/12/Python 3中刮的HTML数据
HTML的某些部分显示如下:
<dl class="directorList">
<dt>監督</dt>
<dd>
<a href="/person/209306/" title="">スティーヴ・マーティノ</a>
</dd>
</dl>
<dl class="roleList">
<dt>出演キャスト</dt>
<dd>
<a href="/person/226530/" title="">鈴木福</a>
<a href="/person/228506/" title="">芦田愛菜</a>
<a href="/person/266939/" title="">小林星蘭</a>
</dd>
我想所有在这个网站的方向列表数据和出演キャス
如スティーヴ·マーティノ, 铃木福芦田爱菜小林星兰
我的代码显示如下:
from bs4 import BeautifulSoup
from urllib.request import urlopen
html = urlopen("http://movie.walkerplus.com/list/2015/12/")
bsObj_movie = BeautifulSoup(html, "html.parser")
print(bsObj_movie)
movie_title = bsObj_movie.findAll({"h3"})
movie_description = bsObj_movie.findAll("p", {"class": "clearboth"})
movie_directors = bsObj_movie.findAll("dl", {"class": "directorList"})
movie_roles = bsObj_movie.findAll("dl", {"class": "roleList"})
for description in movie_description:
print(description.get_text())
for title in movie_title:
print(title.get_text())
for director in movie_directors:
print(director.find('a').get_text())
for role in movie_roles:
print(role.get_text())
我有成功的MOVIE_TITLE和movie_description, 但movie_directors和movie_roles显示如下。
监督
セルゲイ·ボドロフ
出演キャスト
铃木福 芦田爱菜 小林星兰
其实,我只是想提取以下的数据,不包括:监督并出演キャスト。我想打印标题,描述,导演和角色,而不仅仅是导演和角色。此外,我想提取这些数据并将其存储到一个包含四列的数据库:标题,说明,导演和角色。
セルゲイ·ボドロフ
铃木福 芦田爱菜 小林星兰
提前感谢!
谢谢您的回答。我想打印标题,描述,导演和角色,而不仅仅是导演和角色。我想提取这些数据并将其存储到一个数据库中,该数据库包含四列:标题,说明,导演和角色。 –