Извлечение элемента после другого элемента с помощью xpath/красивого супа

Я ищу надежный способ извлечь как названия команд, так и рыночные шансы. Учитывая приведенный выше сегмент кода, это будет

Вест Бромвич Манчестер Сити 28/1 6/1 1/8

Я также должен упомянуть, что мне понадобятся только названия команд и рыночные шансы ПОСЛЕ заданного идентификатора приспособления (который находится в атрибуте 'data-fixtureid').

Я пробовал следующее выражение xpath:

    tree.xpath('//span[@class="ippg-Market_Truncator"]/following::div[@data-fixtureid="66705048"]//text()')

для извлечения имен команд, что не привело к желаемому результату.

Я был бы признателен, если бы кто-нибудь мог указать мне в правильном направлении. Мне не обязательно использовать для этого xpath, но я также могу использовать, например, красивый суп.

python beautifulsoup xpath

20.09.2017

Можете ли вы вставить ссылку? 20.09.2017
Нет, не ссылка — фактический (релевантный, подмножество) HTML. Вопрос должен иметь возможность стоять сам по себе, без ссылки, содержание которой может измениться или стать недоступным в будущем. 20.09.2017
@AndMar, я думаю, OP означает эта страница 20.09.2017
Спасибо, Андерссон. Эта страница в качестве альтернативы mobile.bet365.com/ 20.09.2017

Ответы:

Этот ответ отличается от xpath, поскольку я использовал функции find_all() и find() для достижения желаемого результата.

Сначала я ищу все нужные вам строки с именем класса podEventRow

Во-вторых, я перебираю этот список и ищу название команды с классом ippg-Market_CompetitorName, а затем удаляю/заменяю ненужные пробелы.

В-третьих, внутри того же цикла я искал рыночные шансы, используя имя класса ippg-Market_Topic, а затем перебирал все шансы, чтобы получить текст внутри каждого.

podEventRow = soup.find_all('div', class_="podEventRow")
for row in podEventRow:
    team_name = row.find('div', class_="ippg-Market_CompetitorName").get_text(strip=True).replace('\t\r\n', '')
    market_odds_raw = row.find_all('div', class_="ippg-Market_Topic")
    market_odds = ''
    for odd in market_odds_raw:
        market_odds += ' - ' + odd.get_text(strip=True).replace('\t\r\n', '')
    print(team_name + market_odds)

PS: я использовал селен, чтобы получить полный исходный код страницы, так как сайт использует JavaScript для загрузки таблицы.

21.09.2017

Спасибо, ваше решение близко к идеальному! В вашем коде для каждого матча извлекается только название первой команды, но с вашим предложением я уверен, что смогу найти способ также извлечь название второй команды. 21.09.2017

Я должен упомянуть, что ваш код также извлекает названия команд/рыночные шансы для лиг, которые по умолчанию свернуты/скрыты. Например. «Кубок Либертадорес» здесь mobile.bet365.com/, который фантастический! 21.09.2017

Новые материалы

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter

Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js

Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!

Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли

Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Data Visualization Neural Networks Startup Tutorial Statistics Productivity Reactjs Learning