BeautifulSoup: Obtenga el contenido de una tabla específica

Question

My local airport bloquea vergonzosamente a los usuarios sin IE, y se ve horrible. Quiero escribir un script de Python que obtenga los contenidos de las páginas de Llegada y Salidas cada pocos minutos, y muéstrelos de una manera más legible.

Mis herramientas de elección son mechanize por copiar el sitio para creer que utilizo IE, y BeautifulSoup por la página de análisis para obtener la tabla de datos de vuelos.

Honestamente, me perdí en la documentación de BeautifulSoup, y no puedo entender cómo conseguir la tabla (cuyo título sé) de todo el documento, y cómo obtener una lista de filas de esa tabla.

¿Alguna idea?

Answer 1

Este no es el código específico que necesita, solo una demostración de cómo trabajar con BeautifulSoup. Encuentra la tabla cuya identificación es "Table1" y obtiene todos sus elementos tr.

html = urllib2.urlopen(url).read() 
bs = BeautifulSoup(html) 
table = bs.find(lambda tag: tag.name=='table' and tag.has_attr('id') and tag['id']=="Table1") 
rows = table.findAll(lambda tag: tag.name=='tr') 

Answer 2

soup = BeautifulSoup(HTML) 

# the first argument to find tells it what tag to search for 
# the second you can pass a dict of attr->value pairs to filter 
# results that match the first tag 
table = soup.find("table", {"title":"TheTitle"}) 

rows=list() 
for row in table.findAll("tr"): 
    rows.append(row) 

# now rows contains each tr in the table (as a BeautifulSoup object) 
# and you can search them to pull out the times 

Answer 3

Sólo si se preocupan, BeautifulSoup ya no se mantiene, y el mantenedor original, sugiere una transición a LXML. Xpath debería hacer el truco muy bien.