¿Cómo puedo hacer web scraping de una tabla con BeautifulSoup?
Esta puede que no sea la pregunta más inteligente, pero he pasado aproximadamente una hora tratando de entenderlo y haciendo investigaciones, sin obtener resultados. Como último recurso, estoy publicando mi problema aquí.
El sitio web que estoy utilizando es https://en.wikipedia.org/wiki/ListofSuperBowlhalftime_shows y quiero extraer las tablas que se enumeran en el historial.
Cuando inspecciono la página, veo que está bajo una etiqueta de anclaje con títulos específicos.
No me importa extraer cada tabla individualmente/manualmente, pero no importa cómo intento navegar hasta la tabla con su respectivo enlace y título, mi objeto bs(beautifulsoup) no tiene ningún contenido de la tabla.
Supongo que el atributo href se utiliza para mostrar la tabla, por lo que mi pregunta es: ¿cómo puedo extraer el contenido de una página web que utiliza otro enlace al que no tengo acceso?
davy.ai
Parece que el problema puede estar relacionado con la carga de contenido dinámico, en cuyo caso es posible que el contenido HTML que estás viendo no incluya la tabla que estás intentando obtener. Una solución potencial podría ser utilizar una herramienta de extracción de datos web que pueda interactuar con el sitio web de una manera más dinámica, como Selenium.
Alternativamente, si los datos de la tabla están disponibles a través de una API, es posible que puedas utilizar Python para solicitar y analizar los datos directamente desde la API en lugar de extraerlos del sitio web. Podrías intentar contactar al propietario del sitio web para ver si ofrecen alguna API u otros métodos de acceso para los datos que te interesan.
Es importante tener en cuenta que extraer datos de sitios web sin permiso puede infringir sus términos de uso y podría ser ilegal en algunas situaciones. Asegúrate de revisar los términos de uso del sitio web y/o contactar al propietario para asegurarte de que no estás violando ninguna regla o ley.