我一直在尝试开发一个将Wikipedia数据读取到JSON文件中的scraper类。我需要能够读取表格，从第一列提取链接，从这些链接检索信息，并使其成为JSON文件。我遇到的问题是，当我试图从表行中提取表数据时，我收到了错误消息，如NoneType has no attribute find_all。同时，同一类的其他函数在其他页面中也可以很好地
浏览 15提问于2018-12-24得票数 0
3回答
我正在寻找一种方法来过滤经常出现在维基百科文章中的表格，所以我只能比较我感兴趣的行(和列)。维基百科引擎中一个我不知道的内置特性按列值过滤多级排序
浏览 0提问于2014-08-07得票数 19
2回答
从表格中提取信息三元组
、、、
我有一个非常大的HTML表数据集(最初是从Wikipedia提取的)。我想从每个表中提取有意义的tripleSet (这与从维基百科信息框中提取三元组并不矛盾，因为这相对容易得多)。对于人类来说，三元组必须是语义上有意义的，而不是像DBpedia那样将三元组提取为URI和其他格式。因此，我可以只提取表文本值。
请记住各种表格<e
浏览 5提问于2012-12-31得票数 0
回答已采纳
1回答
获取列的表单元格中的文本
、、、
我是Scrapy的新手，我正在搜索像this这样的维基百科网站，这些网站有几个表格。我的目标是从每个表的第一列中获取所有文本，将每个文本附加到一个字符串列表中。 某些文本是链接的一部分。第一个单元格在锚点元素"Double steaming“内有一个文本，但也有文本
浏览 15提问于2021-08-18得票数 0
回答已采纳
1回答
我必须找到>200个单词的定义。我想使用维基百科从列表中搜索以给定单词为标题的文章，然后提取其定义的原始文本(文章的第一句话)。事实上，在我的项目中，我有一个Jlist，它包含单词(简单的和合成的)。我想使用维基百科为每个单词找到一个定义(我之所以选择这个百科全书，是因为这些单词是从一个专门的语料库中提取
浏览 1提问于2011-11-23得票数 0
如何从一个单元格中提取网站标题名称，然后自动将其粘贴到Google中的另一个单元格中？google.com/jhsdgfjkhsgd在A1中，我需要手动输入B1 wikipara.com/therock中的A2，我需要手动输入A2中的
浏览 0提问于2022-07-21得票数 0
我只想从维基百科页面中提取一个特定的场景：Many houses have several large rooms .....我们可以从如下文章中获得空洞的文本：
但是如何获得特定章节的文本呢？
浏览 4提问于2019-12-27得票数 5
回答已采纳
我在web dev是个新手，对于从维基百科上获取数据有个问题。我正在制作一个个人网络应用程序，将保持跟踪过去的UFC事件。我找不到有事件细节和结果的开源api。然而，维基百科上的以下表格有很多我需要的信息：和我已经看过几个教程，介绍如何从维基表格中获取信息，并使用谷歌电子表格或其他软件(如openrefine )将其格式化为.csv格式。但是，我
浏览 3提问于2015-01-14得票数 0
我们目前正在使用cfspreadsheet来处理导入到我们应用程序中的excel电子表格。目前，我们没有一种简单的方法来验证从数据中导入的数据类型，因为我们试图在内存中使用电子表格之后使用QoQ对象。
是否有一种简单的方法来循环查询对象以检测查询数据集中每一列的数据类型？excludeheaderrow="yes">
浏览 2提问于2013-09-05得票数 2
回答已采纳
7回答
我需要从PDF文件中提取文本。该文本可能是表格格式，它将用于外部方和我们的系统之间的数据自动传输。
我在这里发现了一些想法，但我认为这家伙更多的是在谈论一次性的情况，我说的更像是日常生活：
浏览 18提问于2009-08-14得票数 7
回答已采纳
我正在尝试从pdf中提取数据，而不需要表格中的数据。
我使用了“读取PDF表格”，它将每个表格从pdf中抽取为一个ExampleSet。因此，输出是ExampleSets的ioo对象集合。我尝试了不同的“循环”操作符从这个ioo对象集合中提取文本(从上面的步骤中)，但是操作符似乎只提取了i
浏览 0提问于2019-07-08得票数 0
我的公司使用电子表格记录制造数据，但他们也使用电子表格给用户指示。这些指令位于列标题中，用于记录需要记录的数据。我正试图从这个电子表格中为质量工程师创建一个报告，我需要能够从列中提取一个特定的字符串作为列名。幸运的是，我需要的字符串在括号内，通过降低标题和transposing，我能够在分隔符之间添加一个新列并
浏览 6提问于2021-12-07得票数 0
回答已采纳
5回答
我需要把维基百科的表格刮到熊猫的数据框架中，然后创建三列: PostalCode、Borough和居民区。下面是我使用的代码：website_url = requests.get('https://en.wikipedia.org/wiki/List_of_postal_codes_of_CanadaDowntown Toronto
5 Harbourfront (
浏览 3提问于2019-02-26得票数 5
回答已采纳
2回答
pdf文件具有表格格式的数据，第一行为标题。我已经可以从单元格中提取文本，比较表格中文本的基线，并检测换行符，但我需要比较表格边框来检测表格的开始。我不知道如何检测和比较PDF中的线条。
浏览 2提问于2013-04-02得票数 3
回答已采纳
1回答
我有大约3000行在我的谷歌电子表格和每一行包含数据约一篇文章从我们的网站。在一列中(例如A:A)以HTML格式存储文本。我需要从这个列中提取href=""属性中的所有URL，然后使用它们。(它可以是数组或文本字符串，用昏迷或B列中的空格分隔)
我试着使用REGEXTRACT公式，但它只给了
浏览 5提问于2017-10-11得票数 4
回答已采纳
在过去的一周里，我一直在使用VBA开发一个excel宏，该宏可以从几个断点幻灯片中提取特定的数据。我能够编写一个宏，该宏能够提取Title对象中的所有细节，并将它们放在一列中。我需要能够从所有其他字段中提取数据，但它们是表而不是文本框。我想出了如何提取文本框的内容，但是我想不
浏览 0提问于2019-11-14得票数 1
回答已采纳
1回答
谷歌电子表格有列图表，但我想使用“绘制注释”，如这 (注释)。列图表不显示条形图值为“绘制注释”在顶部。我的图表包括：我找到下面的代码，但它不能在我的工作表上工作。
浏览 0提问于2015-05-04得票数 4
2回答
我正在尝试编写一个SPARSQL查询，该查询将返回与资源相关联的所有可能的图像URL。我可以退回foaf:depiction，如果有的话，但当我访问维基百科上的页面时，我经常看到有其他我无法“获取”的图片。例如，对于视频游戏，有一个概念是游戏封面和盒子艺术(对于某些游戏，不是所有游戏)，但我不知道如何通过查询返回它们的URL。一个展示如何返回的例子，比如像超级马里奥兄弟这样的游戏的盒盖和墨盒图片，可
浏览 2提问于2011-06-19得票数 9
回答已采纳
我正在尝试从PDF中提取文本，PDF中充满了表格。在某些情况下，列是空的。当我从PDF中提取文本时，emptys列会被跳过并替换为空格，因此，我的正则表达式无法确定在这个位置有一个没有信息的列。更好地理解图像：我们可以看到，在提取的文本中，列并不
浏览 2提问于2017-08-23得票数 3
回答已采纳
我的总体目标是只返回干净的句子从维基百科的文章，没有任何标记。显然，有一些方法可以返回JSON、XML等，但是这些方法都是标记的。到目前为止，我最好的方法是返回维基百科所称的raw。我坚持raw格式，因为我发现它是最容易清理的。虽然到目前为止，我用Java编写的文章已经很好地解决了这个问题，但还是有很多情况不了了之。这些案例包括维基百科时间表的标记、维基百
浏览 2提问于2013-12-02得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
