如何用Pandas与BeautifulSoup抓取演员姓名及详情页生日信息

1. 将演员姓名存入列表 #

在你已有的代码基础上，只需初始化一个空列表，每次提取到演员姓名时将其追加到列表中即可：

• 初始化空列表：actor_names = []
• 提取到姓名后，执行 actor_names.append(actor_name) 完成存储

2. 从演员详情页获取生日信息 #

要获取生日，需先从原页面提取演员的维基百科详情页链接，再访问该链接并解析页面中的生日字段（维基百科通常用 bday 类标记生日）。

完整可运行代码 #

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 目标页面URL
target_url = "https://en.wikipedia.org/w/index.php?title=Chernobyl_(miniseries)&direction=next&oldid=899952822"

# 访问切尔诺贝利迷你剧页面，提取前三位演员信息
response = requests.get(target_url)
soup = BeautifulSoup(response.text, "html.parser")

# 定位演员列表所在的表格
cast_heading = soup.find("span", id="Cast")
cast_table = cast_heading.find_next("table", class_="wikitable")
# 获取前三位演员的行（跳过表头行）
actor_rows = cast_table.find_all("tr")[1:4]

# 初始化存储容器
actor_names = []
actor_birthday_data = []

# 遍历每位演员，获取姓名和生日
for row in actor_rows:
    # 提取演员姓名和详情页链接
    actor_link = row.find("td").find("a")
    actor_name = actor_link.text.strip()
    actor_names.append(actor_name)
    
    # 拼接演员详情页完整URL
    actor_page_url = "https://en.wikipedia.org" + actor_link["href"]
    
    # 访问演员详情页并解析生日
    actor_response = requests.get(actor_page_url)
    actor_soup = BeautifulSoup(actor_response.text, "html.parser")
    birthday = actor_soup.find("span", class_="bday").text.strip() if actor_soup.find("span", class_="bday") else "未找到"
    
    # 存储姓名和生日的对应关系
    actor_birthday_data.append({"姓名": actor_name, "生日": birthday})

# 用Pandas整理数据（可选）
actor_df = pd.DataFrame(actor_birthday_data)
print("演员姓名列表:", actor_names)
print("\n演员生日信息:")
print(actor_df)

关键说明 #

• 姓名存储：最终 actor_names 列表会包含 ['Jared Harris', 'Stellan Skarsgård', 'Paul Ritter']，可直接用于后续逻辑。
• 生日提取：通过定位 bday 类的元素获取标准格式的生日，同时处理了字段不存在的异常场景。
• Pandas整合：将数据转换为DataFrame后，支持导出为CSV、Excel等格式，便于后续分析。

内容的提问来源于stack exchange，提问作者maja kralj