Wie man die Dateiendung ändert?

Ich versuche, eine '.xlsx' Datei von der Tax Foundation Website zu kratzen. Leider bekomme ich weiterhin eine Fehlermeldung, die lautet: Excel cannot open the file '2017-FF-For-Website-7-10-2017.xlsx because the file format or file extension is not valid. verify that the file has not been corrupted and that the file extension matches the format of the file. Ich habe etwas recherchiert und es sagt, der Weg, dies zu beheben, besteht darin, die Dateierweiterung in '.xls' anstatt '.xlsx' zu ändern. Kann jemand helfen?Wie man die Dateiendung ändert?

from bs4 import BeautifulSoup 
import urllib.request 
import os 

url = urllib.request.urlopen("https://taxfoundation.org/facts-figures-2017/") 

soup = BeautifulSoup(url, from_encoding=url.info().get_param('charset')) 

FHFA = os.chdir('C:/US_Census/Directory') 

seen = set() 
for link in soup.find_all('a', href=True): 
    href = link.get('href') 
    if not any(href.endswith(x) for x in ['.xlsx']): 
     continue 

    file = href.split('/')[-1] 
    filename = file.rsplit('.', 1)[0] 
    if filename not in seen: # only retrieve file if it has not been seen before 
     seen.add(filename) # add the file to the set 
     url = urllib.request.urlretrieve('https://taxfoundation.org/' + href, file) 
    print(filename) 

print(' ') 
print("All files successfully downloaded.")

P.S. Ich weiß, dass Sie die Datei herunterladen können, aber ich bin Web-Scraping, um einen bestimmten Prozess zu automatisieren.

Quelle

2017-08-04 bhammer

Welche Version von Python verwenden Sie? – TheDetective

Diese Anweisung für die Schleife 'falls nicht vorhanden (href.endswith (x) für x in ['.xlsx'])' läuft einmal 'für x in [' .xlsx '] 'und prüft dann, ob' href.endswith ('xlsx') '. Sie können das im Prinzip mit 'falls nicht href.endswith ('. Xlsx') verkürzen, was einfacher ist. – Vinny

Ich benutze Python 3.6 @TheDetective – bhammer

Ihr Problem war mit Ihrer url = urllib.request.urlretrieve('https://taxfoundation.org/' + href, file) Linie. Wenn Sie auf die Website gehen und den Mauszeiger über den Excel-Download-Button bewegen, sehen Sie, dass es einen viel längeren Link gibt, https://files.taxfoundation.org/20170710170238/2017-FF-For-Website-7-10-2017.xlsx (beachten Sie die 2017....238?). Sie haben die Excel-Datei also nie richtig heruntergeladen. Hier ist die richtige Linie zu tun:

url = urllib.request.urlretrieve(href, file)

Alles andere war richtig funktioniert.

Quelle

2017-08-04 13:53:06 TheDetective

Awesome es ist behoben, danke! – bhammer

Gern geschehen! Ich habe auch Vinnys Vorschlag benutzt, und es hat immer noch funktioniert. – TheDetective

Wie man die Dateiendung ändert?

Antwort

Verwandte Themen