作者 | Syed Sadat Nazrul
来源 | Towards Data Science
编辑| 代码医生团队
首先,我们将尝试抓取在线口袋妖怪数据库。
(http://pokemondb.net/pokedex/all)
检查HTML
在继续前进之前,我们需要了解我们想要抓住的网站的结构。这可以通过单击右键单击我们要刮去的元素然后点击“Inspect”来完成。为了我们的目的,我们将检查表格的元素,如下图所示:
检查HTML表格的单元格
根据HTML代码,数据存储在
.. tr>之后。这是行信息。每行都有相应的 .. td>或单元格数据信息。导入库
我们需要获取网站HTML内容的请求和lxml.html来解析相关字段。最后,我们将数据存储在Pandas Dataframe上。
import requests
import lxml.html as lh
import pandas as pd
刮表细胞
下面的代码允许我们获取HTML表的Pokemon统计数据。
url=&#