Выгрузить табличные данные со страницы html

@Eliy · Регистрация: 08.06.2015

Студворк — интернет-сервис помощи студентам

Здравствуйте!

Очень надо получить данные со страницы, так как разработчик не будет скорее всего дорабатывать выгрузку в Excel, а сама выгрузка не включает некоторых (как-будто пустых) данных, а они нужны.

Я думала, что смогу выгрузить данные напрямую в Excel или Power Bi, но это не получилось. Это моя тема в другом разделе: Выгрузка страницы в виде таблицы в Excel или Power BI.

Затем друг посоветовал применить Python и parsing. Начала погружаться глубже, установила BeautifulSoup, но как я вижу по тексту, получаемому из requests.get (url, auth = (user, pass), я опять не получаю весь код страницы (поэтому и не сработали советы, которые я находила для Power Bi, а именно доныривания до нужного <div) и я не могу пока получить данные с помощью кода:

Code
1
2
3
4
5
6
7
8
9
10
11
12
13
def get_html(url, user, pass_):
    res = requests.get(url, auth=(user,pass_))
    return res.text
 
def get_data(html):
    soup = beautifulsoup(html,'lxml')
    h1 = soup.find('div',id='tw-col-1 hor-flex-child').find('title')
 
def main():
    url = 'https://address/'
    user = user_name
    pass_ = password
    print(get_data(get_html(url, user, pass_)))

На картинке я выделила то, что пытаюсь выцепить из страницы (на странице несколько названий tw-col-1 hor-flex-child и в каждом из них несколько tw-col-2 hor-flex-child) То есть в итоге получается, что это табличные данные, которые записаны каждой отдельной строкой. Заголовки этой таблицы хранятся в tw-col-2 hor-flex-child, они выделены на другой картинке.

Смогу ли я с помощью python выгрузить данные или надо искать другие решения?
Могут ли данные быть скрыты?
На форуме видела ответы про CSS Selectorы - могут ли они помочь?

vic5710 · 09.01.2020, 16:21

Python
1
2
3
4
5
6
7
8
9
10
>>> from lxml import html
>>> s = '''<div><span>1</span></div>'''
>>> tree = html.fromstring(s)
>>> tree.find_all('span')
Traceback (most recent call last):
  File "<pyshell>", line 1, in <module>
AttributeError: 'HtmlElement' object has no attribute 'find_all'
>>> tree.findall('span')
[<Element span at 0x10853b638>]
>>>

с ошибками пишете

Не по теме:

КМК вы verme.ru парсите, что там секретного? я кроме рекламы услуг ничего не увидел

@Eliy · 09.01.2020, 19:08 **[ТС]**

The error means that the table variable that you are building by doing:

table = BeautifulSoup(r.text).table
is returning None. And for row in table.find_all("tr")[1:]: on a None is throwing the error.

You can check if the url in question has a table in the way you are trying to access it. You can do this by printing out the url constructed by this statement:

BASE_URL.format(row['prefix_1'], year, row['prefix_2'])
and then going to this url in your browser to check if it has the table of your interest.

нашла такой ответ на похожий вопрос... то есть таблицу он не увидел..
но если именно с этого названия table-widget ver-flex-parent shift-assign-table
я могу нажать copy outerHTML и наконец увидеть код, значит, я правильно нашла ..контейнер что ли моих данных.. почему таблица пустая..

увидела ваш ответ, только когда свой начала писать, хотя постоянно обновляла, поэтому код не перепроверяла пока..
там расписание смен, числа месяца и номера магазинов, выгружаются только те, где заполнены смены (из названия таблицы можно увидеть shift-assign-table), а мне на постоянной основе надо видеть те магазины, по которым смены не заполнены..
в любом случае доступ туда с паролем, у меня подписано соглашение о неразглашении..

vic5710 · 09.01.2020, 20:10

HTML элемент состоит из тэга, аттрибутов, текста

HTML5
1
<span id="1" class="bla-bla">spantext</span>

попробуйте хотя бы тэги span найти

Python
1
2
3
tree = html.fromstring(response.text).xpath('//span')
for elem in tree:
    print(elem.tag, elem.attrib, elem.text)

@Eliy · 09.01.2020, 20:27 **[ТС]**

span {'class': 'm-login__title'} Портал внешнего персонала
span {'class': 'm-login__subtitle'} Планирование и предоставление услуг для бизнеса
span {} None
span {} Или войти с помощью
span {} None
span {}

span {} ЭM.Life
span {}

span {} Verme Login

вот что находит, значит на нужную страницу с таблицей я так и не попадаю.....

вернулась к драйверам, но там надо с хромом разбираться, сейчас попробую в файрфоксе

Добавлено через 6 минут
тоже надо настроить
WebDriverException: Message: 'geckodriver' executable needs to be in PATH.

vic5710 · 09.01.2020, 21:03

Сообщение от Eliy

WebDriverException: Message: 'geckodriver' executable needs to be in PATH.

http://xn--80afqpaigicolm.xn--... ckodriver/

@Eliy · 09.01.2020, 21:21 **[ТС]**

Code
1
driver = webdriver.Chrome(executable_path=r'C:\Users\elili\Downloads\chromedriver.exe')

я в итоге из ссылки про файрфокс себе хром установила.. и в итоге, у меня даже есть продвижения!
то есть страница открылась и авторизовалась сама, видно на принтскрине.
но теперь я понимаю, почему он таблицу не видит - страница открывается не та.

поможет ли мне redirect какой-то? или просто после драйвера и авторизации я могу взять html другой страницы, с другим адресом?

@Eliy · 09.01.2020, 21:34 **[ТС]**

я кажется поняла, надо просто заставить его дальше нажать на ссылку

@Eliy · 09.01.2020, 21:37 **[ТС]**

Code
1
2
3
4
5
6
7
8
9
.find_element_by_link_text() finds an A tag by the text inside the A tag, e.g.
 
<a href="publications.html">Publications</a>
You can find this tag using
 
driver.find_element_by_link_text("Publications")
BUT... if you want to find an A tag by the href, you need a different approach.
 
driver.find_element_by_css_selector("a[href='publications.html']")

нашла такой вариант

vic5710 · 09.01.2020, 21:40

https://habr.com/ru/post/250975/
тут хороший мануал

@Eliy · 09.01.2020, 21:45 **[ТС]**

спасибо, да, css_selector пока не вышло, пробую driver.find_element_by_link_text("/promo-schedule/").click() - пока тоже не перешёл..

vic5710 · 09.01.2020, 21:52

вы делайте try/except как у меня в примере, ошибки в консоль выведутся

@Eliy · 09.01.2020, 22:19 **[ТС]**

NoSuchElementException('no such element: Unable to locate element: {"method":"link text","selector":"/promo-schedule/"}\n (Session info: chrome=79.0.3945.88)', None, None)

@Eliy · 10.01.2020, 07:01 **[ТС]**

Code
1
driver.get(url)

так он просто перешёл по нужному адресу, но теперь надо его заставить переключить с недели на месяц)

@Eliy · 10.01.2020, 07:30 **[ТС]**

Code
1
2
3
4
5
6
tree = html.fromstring(driver.page_source)
 
try:
    table = tree.find('.//div[@class="table-widget ver-flex-parent shift-assign-table"]')
except Exception as e:
    print(repr(e))

дальше так написала, всё равно не находит таблицу...

AttributeError Traceback (most recent call last)
<ipython-input-163-dadf35db74b8> in <module>()
25 print(repr(e))
26
---> 27 for shop in table.find_all('.//div[@class=tw-row-hor-flex-parent"]'):
28 data.append(shop.find('.//span[@class="name-head"]').get_text)
29 for day in shop.findall('.//div[@class="day ver-flex-parent"]'):

AttributeError: 'NoneType' object has no attribute 'find_all'

vic5710 · 10.01.2020, 09:18

Сообщение от Eliy

--> 27 for shop in table.find_all('.//div[@class=tw-row-hor-flex-parent"]'):

писал же уже про find_all

Добавлено через 4 минуты

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
In [1]: from lxml import html                                                                   
 
In [2]: tree = html.fromstring('<div id=1>123</div>')                                           
 
In [3]: dir(tree)                                                                               
Out[3]: 
['__bool__',
 '__class__',
 '__contains__',
 '__copy__',
 '__deepcopy__',
 '__delattr__',
 '__delitem__',
 '__dict__',
 '__dir__',
 '__doc__',
 '__eq__',
 '__format__',
 '__ge__',
 '__getattribute__',
 '__getitem__',
 '__gt__',
 '__hash__',
 '__init__',
 '__init_subclass__',
 '__iter__',
 '__le__',
 '__len__',
 '__lt__',
 '__module__',
 '__ne__',
 '__new__',
 '__reduce__',
 '__reduce_ex__',
 '__repr__',
 '__reversed__',
 '__setattr__',
 '__setitem__',
 '__sizeof__',
 '__str__',
 '__subclasshook__',
 '__weakref__',
 '_init',
 'addnext',
 'addprevious',
 'append',
 'attrib',
 'base',
 'base_url',
 'body',
 'classes',
 'clear',
 'cssselect',
 'drop_tag',
 'drop_tree',
 'extend',
 'find',
 'find_class',
 'find_rel_links',
 'findall',
 'findtext',
 'forms',
 'get',
 'get_element_by_id',
 'getchildren',
 'getiterator',
 'getnext',
 'getparent',
 'getprevious',
 'getroottree',
 'head',
 'index',
 'insert',
 'items',
 'iter',
 'iterancestors',
 'iterchildren',
 'iterdescendants',
 'iterfind',
 'iterlinks',
 'itersiblings',
 'itertext',
 'keys',
 'label',
 'make_links_absolute',
 'makeelement',
 'nsmap',
 'prefix',
 'remove',
 'replace',
 'resolve_base_href',
 'rewrite_links',
 'set',
 'sourceline',
 'tag',
 'tail',
 'text',
 'text_content',
 'values',
 'xpath']

@Eliy · 10.01.2020, 10:11 **[ТС]**

Code
1
2
3
4
try:
    table = driver.find_element_by_class_name('.//div[@class="table-widget ver-flex-parent shift-assign-table"]')
except Exception as e:
    print(repr(e))

пока бросила find_all, решила через driver...
с find_all, я думала там ошибка в нижнем подчеркивании, но он ни так, ни эдак не хотел
подумаю ещё что-то дальше)

InvalidSelectorException('invalid selector: An invalid or illegal selector was specified\n (Session info: chrome=79.0.3945.88)', None, None)

Добавлено через 5 минут
думала, что проблема скорее в пустом объекте...

Новые блоги и статьи Все статьи Все блоги /
Запустил конкурс "тем и промптов для текстовых квестов созданных почти чисто ИИ" Adler 06.10.2026 Всем привет! За последние три-четыре дня я создал более 16 текстовых квестовых игр используя преимущественно по одному запросу к ИИ на игру. Мне так понравилось смотреть все ветки/ сцены во всех. . .	ИИ не может найти нужный язык в списке Supersumestria 05.10.2026 Я ему даю вот такое изображение и прошу найти и подчеркнуть немецкий язык. Возвращает он вот это: https:/ / i. **********/ vqBWLe2. png Нужную строчку в 3й колонке просто выдумал. . Это. . .	Новая последняя моя музыка в SUNO zorxor 05.10.2026 Здравствуйте, дорогие мои друзья! С большой радостью я хотел бы представить вам свою новую последнею музыку, которую сгенерировала мне по моей просьбе нейросеть SUNO. С уважением, zorxor. Это. . .	Программный домашний кинотеатр russiannick 27.09.2026 Сподобился на программный домашний кинотеатр. В качестве ЯВУ по традиции выбрал js. В помощники взял Яндекс-Алису. Было создано три зала на разные интересы. исторические и ретро сериал Хичкок. . .
Беседа с ИИ о программистах, недопускающих к созданию и правке кода генеративные ИИ и причины этого zorxor 21.09.2026 Раньше я радовался или получал некоторые эмоции, пусть небольшие, но всё же, от самого процесса написания кода, рекомпиляции и запуска, видя постепенное развитие программы и прочее. А теперь лень. . .	Мобильное приложение ColorStep pavlinmavlin 17.09.2026 Реализовал приложение Красный, Зеленый, Синий в Unity3d + c#. Название изменил на ColorStep. Приложение прошло модерацию и теперь доступно для скачивания. Делал его сам, шаг за шагом — и вот,. . .	Запрет дублирования строк в табличной части Maks 13.09.2026 Реализация из решения ниже выполнена на нетиповом справочнике "Нормы ТО" с табличной часть "Виды ТО", разработанного в КА2, со следующими реквизитами: - ВидТО (СправочникСсылка. ВидыТО); - ВидГСМ. . .	Скрипты Tampermonkey для CyberForum, ChatGPT, Claude и пр. Jin X 06.09.2026 Скрипты Tampermonkey для CyberForum, ChatGPT, Claude и пр. Работая с форумом и нейросетями в браузере часто хочется что-то подкорректировать или добавить какого-то функционала. Ниже прикреплён. . .

@Eliy 0 / 0 / 0 Регистрация: 08.06.2015 Сообщений: 38
	09.01.2020, 21:34 [ТС]
	я кажется поняла, надо просто заставить его дальше нажать на ссылку Миниатюры 0

vic5710 964 / 719 / 276 Регистрация: 10.12.2016 Сообщений: 1,764
	09.01.2020, 21:40
	https://habr.com/ru/post/250975/ тут хороший мануал 1

@Eliy 0 / 0 / 0 Регистрация: 08.06.2015 Сообщений: 38
	09.01.2020, 21:45 [ТС]
	спасибо, да, css_selector пока не вышло, пробую driver.find_element_by_link_text("/promo-schedule/").click() - пока тоже не перешёл.. 0

vic5710 964 / 719 / 276 Регистрация: 10.12.2016 Сообщений: 1,764
	09.01.2020, 21:52
	вы делайте try/except как у меня в примере, ошибки в консоль выведутся 0

@Eliy 0 / 0 / 0 Регистрация: 08.06.2015 Сообщений: 38
	09.01.2020, 22:19 [ТС]
	NoSuchElementException('no such element: Unable to locate element: {"method":"link text","selector":"/promo-schedule/"}\n (Session info: chrome=79.0.3945.88)', None, None) 0