如何用Python抓取高尔夫排行榜表格中特定td标签的球员最终杆数

问题背景 #

我是Python新手，想要抓取ESPN高尔夫排行榜（链接：https://www.espn.com/golf/leaderboard/_/tournamentId/401465506）中每位球员的最终杆数（示例中的-19）。目前已成功获取球员姓名，但因表格中存在多个class为Table__TD的td标签，无法提取目标td的内容。

尝试的代码如下：

from bs4 import BeautifulSoup
import requests

html_text = requests.get('https://www.espn.com/golf/leaderboard/_/tournamentId/401465506').text

soup = BeautifulSoup(html_text, 'lxml')
golfers = soup.find_all('tr', class_ = 'PlayerRow__Overview PlayerRow__Overview--expandable Table__TR Table__even')
for golfer in golfers:
    golfer_name = golfer.a.text
    golfer_score = golfer.td.text
    print(f'{golfer_name} final score {golfer_score}')

运行后出现报错：

Traceback (most recent call last):
  File "C:\Users\mikef\AppData\Local\Temp\tempCodeRunnerFile.python", line 10, in <module>
    golfer_score = golfer.td = 'Table__TD'.text
AttributeError: 'str' object has no attribute 'text'

[Done] exited with code=1 in 0.559 seconds

注释掉golfer_score相关代码后，可正常获取所有球员姓名，现寻求正确提取球员最终杆数的方法。

错误分析 #

1. 报错里的golfer_score = golfer.td = 'Table__TD'.text是明显语法错误，你大概率是想定位class为Table__TD的标签，但写错了逻辑，直接对字符串调用.text导致报错。
2. 即便没有语法错误，golfer.td只会返回该行第一个td标签，而最终杆数并不在这个位置，自然拿不到目标数据。

解决方案 #

观察页面HTML结构，最终杆数所在的td带有Table__TD--number的额外class，也可以通过该行td的固定索引定位，两种方法如下：

方法1：通过特定class定位（更可靠）

from bs4 import BeautifulSoup
import requests

html_text = requests.get('https://www.espn.com/golf/leaderboard/_/tournamentId/401465506').text
soup = BeautifulSoup(html_text, 'lxml')

golfers = soup.find_all('tr', class_='PlayerRow__Overview PlayerRow__Overview--expandable Table__TR Table__even')
for golfer in golfers:
    golfer_name = golfer.a.text
    # 定位带有Table__TD--number的td，对应最终杆数
    golfer_score = golfer.find('td', class_='Table__TD Table__TD--number').text.strip()
    print(f'{golfer_name} final score: {golfer_score}')

方法2：通过索引定位

如果页面class有变动，可通过该行td的索引获取（最终杆数在第6个td，索引为5）：

from bs4 import BeautifulSoup
import requests

html_text = requests.get('https://www.espn.com/golf/leaderboard/_/tournamentId/401465506').text
soup = BeautifulSoup(html_text, 'lxml')

golfers = soup.find_all('tr', class_='PlayerRow__Overview PlayerRow__Overview--expandable Table__TR Table__even')
for golfer in golfers:
    golfer_name = golfer.a.text
    # 获取该行所有td标签，提取对应索引的内容
    tds = golfer.find_all('td', class_='Table__TD')
    if len(tds) >= 6:
        golfer_score = tds[5].text.strip()
        print(f'{golfer_name} final score: {golfer_score}')

说明 #

• .strip()用于去除杆数字符串前后的空白，保证输出整洁。
• 方法1语义性更强，页面结构小幅度变动时更不容易失效；方法2需要确认索引准确性，页面更新后可能需要调整。

内容的提问来源于stack exchange，提问作者Mike Dietrich