时间戳

首页 > 解决方案 > Python3：如何从 url 获取标题 eng？

python-3.x - Python3：如何从 url 获取标题 eng？

问题描述

我用这个代码

import urllib.request
fp = urllib.request.urlopen("https://english-thai-dictionary.com/dictionary/?sa=all")
mybytes = fp.read()
mystr = mybytes.decode("utf8")
fp.close()
print(mystr)
x = 'alt'
for item in mystr.split():
    if (x) in item:
        print(item.strip())

我从这段代码中得到了泰语单词，但我不知道如何得到英文单词。谢谢

标签： python-3.xurl

解决方案

如果你想从表中获取单词，你应该使用像BeautifulSoup4这样的解析库。这是一个如何解析这个的例子（我在这里使用请求来获取和beautifulsoup来解析数据）：

首先在您的浏览器中使用开发工具识别您要解析的内容的表格。带有翻译的表具有servicesT在整个文档中仅出现一次的类属性：

import requests
from bs4 import BeautifulSoup

url = 'https://english-thai-dictionary.com/dictionary/?sa=all;ftlang=then'

response = requests.get(url)

soup = BeautifulSoup(response.text, 'lxml')


# Get table with translations
table = soup.find('table', {'class':'servicesT'})

之后，您需要获取包含泰语单词翻译的所有行。如果您查看页面的源文件，您会注意到前几<tr行是仅包含标题的标题，因此我们将省略它们。之后，我们<td>将从行中获取所有元素（在该表中始终有 3 个<td>元素）并从中获取单词（在该表中，单词实际上嵌套在 and 中）。

table_rows = table.findAll('tr') 
# We will skip first 3 rows beacause those are not
# contain information we need
for tr in table_rows[3:]:
    # Finding all <td> elements
    row_columns = tr.findAll('td')
    if len(row_columns) >= 2:
        # Get tag with Thai word
        thai_word_tag = row_columns[0].select_one('span > a')
        # Get tag with English word
        english_word_tag = row_columns[1].find('span')
        if thai_word_tag:
            thai_word = thai_word_tag.text
        if english_word_tag:
            english_word = english_word_tag.text
        # Printing our fetched  words
        print((thai_word, english_word))

当然，这是我设法从页面解析的非常基本的示例，您应该自己决定要抓取的内容。我还注意到表中的数据并非一直都有翻译，因此在抓取数据时应牢记这一点。您还可以使用Requests-HTML库来解析数据（它支持在您要抓取的页面上的表格中存在的分页）。

推荐阅读