홈>2020-03-18 11:58

python - HTML에서 스크립트 태그 내에서 문자열 추출

다음 웹 사이트에서 데이터를 가져 오기 위해 웹 스크레이퍼를 만들려고합니다 (나중에 동일한 웹 사이트의 여러 항공사에 대해 수행하고 싶습니다) : https://www.flightradar24.com/data/airlines/kl-klm/ 경로

현재 다음 코드가 있습니다 :

from bs4 import BeautifulSoup
import requests
airlines = ['kl-klm']
for a in airlines:
    url = 'https://www.flightradar24.com/data/airlines/' + a + '/routes'
    page = requests.get(url)
    soup = BeautifulSoup(page.text, 'html.parser')
    print(soup)

이것은 전체 페이지의 소스 코드를 제공하지만 스크립트 태그 내에서 특정 텍스트 덩어리를 추출하고 싶습니다.

var arrRoutes=[{"airport1":{"country":"Denmark","iata":"AAL","icao":"EKYT","lat":57.092781,"lon":9.849164,"name":"Aalborg Airport"},"airport2":{"country":"Netherlands","iata":"AMS","icao":"EHAM","lat":52.308609,"lon":4.763889,"name":"Amsterdam Schiphol Airport"}},{"airport1":{"country":"United Kingdom","iata":"ABZ","icao":"EGPD","lat":57.201939,"lon":-2.19777,"name":"Aberdeen International Airport"},"airport2":{"country":"Netherlands","iata":"AMS","icao":"EHAM","lat":52.308609,"lon":4.763889,"name":"Amsterdam Schiphol Airport"}}...

... 등 목록 끝까지 끝까지

각 공항에 대한 총 인바운드 및 아웃 바운드 항공편 수를 찾을 수 있도록 어떻게 추출 할 수 있습니까? 예를 들어 Amsterdam Schiphol Airport가 공항 1 또는 2로 표시되는 총 횟수는 몇 번입니까?

먼저 HTML에서 문자열을 추출한 다음 사전을 사용하여 파이썬 목록으로 변환하는 방법이 있습니까? 아니면 문자열의 각 요소를 직접 계산하는 것이 더 합리적입니까?

답변 # 1

ast.literal_eval 를 사용하여 파이썬리스트에 데이터를 추출 할 수 있습니다 . 간단한 함수 find_airport() 를 만들었습니다. 데이터 및 공항 이름을 제공하고 airport_1 및 airport_2에 몇 번인지 반환합니다.

from bs4 import BeautifulSoup
import requests
import re
from ast import literal_eval
from pprint import pprint
airlines = ['kl-klm']
headers = {"Host":"www.flightradar24.com",
"Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
"Accept-Encoding":"gzip,deflate,br",
"User-agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.80 Safari/537.36"}
def find_aiport(data, name):
    airport_1, airport_2 = 0, 0
    for d in data:
        if d['airport1']['name'] == name:
            airport_1 += 1
        if d['airport2']['name'] == name:
            airport_2 += 1
    return airport_1, airport_2
for a in airlines:
    url = 'https://www.flightradar24.com/data/airlines/' + a + '/routes'
    page = requests.get(url, headers=headers)
    soup = BeautifulSoup(page.text, 'lxml')
    m = re.search(r'(?<=arrRoutes=)\[\{(.*?)\}\]', soup.text)
    l = literal_eval(m[0])
    pprint(l)
    print(find_aiport(l, 'Amsterdam Schiphol Airport'))

인쇄 :

[{'airport1': {'country': 'Denmark',
               'iata': 'AAL',
               'icao': 'EKYT',
               'lat': 57.092781,
               'lon': 9.849164,
               'name': 'Aalborg Airport'},
  'airport2': {'country': 'Netherlands',
               'iata': 'AMS',
               'icao': 'EHAM',
               'lat': 52.308609,
               'lon': 4.763889,
               'name': 'Amsterdam Schiphol Airport'}},
 {'airport1': {'country': 'United Kingdom',
               'iata': 'ABZ',
               'icao': 'EGPD',
               'lat': 57.201939,
               'lon': -2.19777,
               'name': 'Aberdeen International Airport'},
  'airport2': {'country': 'Netherlands',
               'iata': 'AMS',
               'icao': 'EHAM',
               'lat': 52.308609,
               'lon': 4.763889,
               'name': 'Amsterdam Schiphol Airport'}},
...and so on

그리고 마지막에 :

(147, 146)

"암스테르담 스키폴 공항"

답변 # 2

re.compile 이용

예 :

import re
soup = BeautifulSoup(page.text, 'html.parser')
jData = soup.find("script", text=re.compile(r"var arrRoutes=.*?")).string
print( jData.replace("var arrRoutes=", ""))

출력 :

[{"airport1":{"country":"Denmark","iata":"AAL","icao":"EKYT","lat":57.092781,"lon":9.849164,"name":"Aalborg Airport"},"airport2":{"country":"Netherlands","iata":"AMS","icao":"EHAM","lat":52.308609,"lon":4.763889,"name":"Amsterdam Schiphol Airport"}},{"airport1":{"country":"United Kingdom","iata":"ABZ","icao":"EGPD","lat":57.201939,"lon":-2.19777,"name":"Aberdeen International Airport"},"airport2":{"country":"Netherlands","iata":"AMS","icao":"EHAM","lat":52.308609,"lon":4.763889,"name":"Amsterdam Schiphol Airport"}},......

Python2.net

python - HTML에서 스크립트 태그 내에서 문자열 추출

관련 자료