python beautifulsoup extrayendo texto

extract extraction

Question

Me gustaría extraer el texto en negrita , que indica el último clima psi de este sitio web http://app2.nea.gov.sg/anti-pollution-radiation-protection/air-pollution/psi/psi-readings-over -las-últimas-24 horas . ¿Alguien sabe cómo extraer usando este código a continuación?

También necesitaba extraer dos valores que están delante del clima actual psi para calcular. Total de tres valores (últimos y dos valores anteriores)

Ejemplo: el valor actual ( negrita ) es 5AM: 51, también necesito 3AM y 4AM. ¿Alguien sabe y puede ayudarme con esto? Gracias por adelantado !

    from pprint import pprint
    import urllib2
    from bs4 import BeautifulSoup as soup


    url = "http://app2.nea.gov.sg/anti-pollution-radiation-protection/air-pollution/psi/psi-readings-over-the-last-24-hours"
    web_soup = soup(urllib2.urlopen(url))

    table = web_soup.find(name="div", attrs={''class'': ''c1''}).find_all(name="div")[2].find_all(''table'')[0]

    table_rows = []
    for row in table.find_all(''tr''):
        table_rows.append([td.text.strip() for td in row.find_all(''td'')])

    data = {}
    for tr_index, tr in enumerate(table_rows):
        if tr_index % 2 == 0:
            for td_index, td in enumerate(tr):
                data[td] = table_rows[tr_index + 1][td_index]

    pprint(data)

huellas dactilares:

    {''10AM'': ''49'',
     ''10PM'': ''-'',
     ''11AM'': ''52'',
     ''11PM'': ''-'',
     ''12AM'': ''76'',
     ''12PM'': ''54'',
     ''1AM'': ''70'',
     ''1PM'': ''59'',
     ''2AM'': ''64'',
     ''2PM'': ''65'',
     ''3AM'': ''59'',
     ''3PM'': ''72'',
     ''4AM'': ''54'',
     ''4PM'': ''79'',
     ''5AM'': ''51'',
     ''5PM'': ''82'',
     ''6AM'': ''48'',
     ''6PM'': ''79'',
     ''7AM'': ''47'',
     ''7PM'': ''-'',
     ''8AM'': ''47'',
     ''8PM'': ''-'',
     ''9AM'': ''47'',
     ''9PM'': ''-'',
     ''Time'': ''3-hr PSI''}

Answer 1

Asegúrese de entender lo que está sucediendo aquí:

import urllib2
import datetime

from bs4 import BeautifulSoup as soup


url = "http://app2.nea.gov.sg/anti-pollution-radiation-protection/air-pollution/psi/psi-readings-over-the-last-24-hours"
web_soup = soup(urllib2.urlopen(url))

table = web_soup.find(name="div", attrs={''class'': ''c1''}).find_all(name="div")[2].find_all(''table'')[0]

data = {}
bold_time = ''''
cur_time = datetime.datetime.strptime("12AM", "%I%p")
for tr_index, tr in enumerate(table.find_all(''tr'')):
    if ''Time'' in tr.text:
        continue
    for td_index, td in enumerate(tr.find_all(''td'')):
        if not td_index:
            continue
        data[cur_time] = td.text.strip()
        if td.find(''strong''):
            bold_time = cur_time
        cur_time += datetime.timedelta(hours=1)

print data.get(bold_time)  # bold
print data.get(bold_time - datetime.timedelta(hours=1))  # before bold
print data.get(bold_time - datetime.timedelta(hours=2))  # before before bold

Esto imprimirá el valor de 3-hr PSI que está marcado en negrita y dos valores antes (si existe).

Espero que ayude.

Answer 2

Este código (ver líneas con #changed texto #changed )

from pprint import pprint
import urllib2
from bs4 import BeautifulSoup as soup


url = "http://app2.nea.gov.sg/anti-pollution-radiation-protection/air-pollution/psi/psi-readings-over-the-last-24-hours"
web_soup = soup(urllib2.urlopen(url))

table = web_soup.find(name="div", attrs={''class'': ''c1''}).find_all(name="div")[2].find_all(''table'')[0]

table_rows = []
for row in table.find_all(''tr''):
    table_rows.append([td.text.strip() for td in row.find_all(''td'')])

data = [] # changed
for tr_index, tr in enumerate(table_rows):
    if tr_index % 2 == 0:
        for td_index, td in enumerate(tr):
            data.append([td, table_rows[tr_index + 1][td_index]]) # changed

pprint(data)

darte

[[u''Time'', u''3-hr PSI''],
 [u''12AM'', u''57''],
 [u''1AM'', u''-''],
 [u''2AM'', u''-''],
 [u''3AM'', u''-''],
 [u''4AM'', u''-''],
 [u''5AM'', u''-''],
 [u''6AM'', u''-''],
 [u''7AM'', u''-''],
 [u''8AM'', u''-''],
 [u''9AM'', u''-''],
 [u''10AM'', u''-''],
 [u''11AM'', u''-''],
 [u''Time'', u''3-hr PSI''],
 [u''12PM'', u''-''],
 [u''1PM'', u''-''],
 [u''2PM'', u''-''],
 [u''3PM'', u''-''],
 [u''4PM'', u''-''],
 [u''5PM'', u''-''],
 [u''6PM'', u''-''],
 [u''7PM'', u''-''],
 [u''8PM'', u''-''],
 [u''9PM'', u''-''],
 [u''10PM'', u''-''],
 [u''11PM'', u''-'']]

e print data[4:7] te dan

[[u''3AM'', u''-''], [u''4AM'', u''-''], [u''5AM'', u''-'']]