Python网页爬取：如何提取CoreTennis网站中网球选手的排名数字

嘿Marc，我来帮你搞定这个问题！你现在的代码已经成功定位到了包含排名的div元素，但因为每个div里还带着表示排名变化的span标签，所以输出的是整个节点内容。咱们只需要再进一步提取里面的排名数字就行啦。

问题分析 #

你用soup2.findAll(class_="rank")拿到的是两个<div class="rank">元素，每个元素里的结构是：排名数字 + 一个包含变化值的span。咱们的目标就是把每个div里的第一个文本内容（也就是排名数字）提取出来。

解决方案 #

首先可以简化你的代码——其实不需要两次解析BeautifulSoup，一次就足够了。然后遍历每个找到的rank元素，直接提取它的第一个文本节点内容，再去除多余的空白字符就行。

修改后的代码如下：

from bs4 import BeautifulSoup
import requests

URL = 'https://www.coretennis.net/tennis-player/liv-hovde/114585/profile.html'
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:108.0) Gecko/20100101 Firefox/108.0"}

page = requests.get(URL, headers=headers)
# 只需要一次解析就够了
soup = BeautifulSoup(page.content, "html.parser")

# 找到所有带rank类的div元素
rank_elements = soup.find_all(class_="rank")

player_ranks = []
for element in rank_elements:
    # 提取div里的第一个文本节点，去掉换行和空格
    rank_num = element.contents[0].strip()
    # 确保拿到的是有效内容，然后转成整数（如果需要字符串可以去掉int()）
    if rank_num:
        player_ranks.append(int(rank_num))

# 输出结果，比如[450, 3]，如果只有一个排名就会是[3]这样
print(player_ranks)

为什么这样有效？ #

每个rank类的div里，排名数字是第一个子节点（纯文本），后面的span标签是排名变化的数据。用element.contents[0]可以直接定位到这个文本节点，strip()用来清除文本里的换行、空格这些多余字符，最后转成整数方便后续处理（如果不需要整数，直接保留字符串就行）。

额外小提示 #

• 如果以后网站结构发生变化（比如class名改了，或者排名的位置变了），你需要重新检查页面的HTML结构来调整代码。
• 对于只有单个排名的选手，这段代码也能正常工作，结果列表里只会有一个数字。

备注：内容来源于stack exchange，提问作者Marc01