Python网页爬取：如何为营收增长列添加正负标识？

问题背景 #

爬取维基百科《美国营收最高企业列表》的首个表格时，营收增长（revenue growth）列的正负信息由向上绿三角（增长）和向下红三角（下降）图标表示，初始代码仅提取了数字部分，无法体现正负属性；尝试通过判断img标签的alt属性补充符号，但代码未生效。

错误原因分析 #

你之前的代码存在两个核心问题：

1. 判断逻辑错误：row_data.find_all('img', alt='Decrease') == True不成立，因为find_all()返回的是元素列表，无论是否找到匹配项，都不会等于布尔值True，正确判断方式是检查列表长度或用find()判断是否为None。
2. 定位范围错误：你在整行的td集合里查找图标，而图标只存在于第5列（索引为4）的td中，应该针对该列单独处理。

修正后的代码 #

from bs4 import BeautifulSoup  
import requests

url = 'https://en.wikipedia.org/wiki/List_of_largest_companies_in_the_United_States_by_revenue'

source = requests.get(url)  
soup = BeautifulSoup(source.text, 'html')

table = soup.find_all('table', class_='wikitable sortable')[0]
table_data = table.find_all('tr')[1:]

table_df = []  
for row in table_data:  
    row_data = row.find_all('td')  
    row_df = [data.text.strip() for data in row_data]
    
    # 精准定位营收增长列的td元素（索引为4）
    growth_td = row_data[4]
    # 检查是否存在下降图标，存在则添加负号
    if growth_td.find('img', alt='Decrease'):
        row_df[4] = '-' + row_df[4]
    # 可选：若需要显式显示正增长的+号，添加以下判断
    elif growth_td.find('img', alt='Increase'):
        row_df[4] = '+' + row_df[4]
    
    table_df.append(row_df)

# 打印前5条结果验证
for item in table_df[:5]:
    print(item)

关键说明 #

• 用find()替代find_all()：find()返回第一个匹配元素，找不到则返回None，直接用于条件判断更简洁高效。
• 缩小查找范围：仅针对营收增长列的td元素查找图标，避免无关元素干扰。
• 灵活处理符号：如果只需要补全负号，可去掉elif分支；若要显式标注正增长，则保留该分支。

内容的提问来源于stack exchange，提问作者Uzor