Usando Selenium
Para obtener tener los partidos que muestra la página principal puedes hacerlo de esta manera:
find_elements_by_css_selector
: Devolverá una lista de WebElements
. Si usas find_element
(Devolverá la primer coincidencia que se encuentre en la página).
Cuando trabajo con clases
que contienen nombres con espacios, como event__match event__match--static event__match--oneLine
. Suelo usar css_selector
anteponiendo un .
al iniciar el nombre de la clase
y relleno los espacios con .
.
Entonces para obtener todos los elementos haría:
aux_ids = browser.find_elements_by_css_selector('.event__match.event__match--static.event__match--oneLine')
Ahora podemos iterar sobre esta lista de WebElements
:
Vamos a mostrar los partidos que muestra la página:
for aux in aux_ids:
print("*"*100)
print(aux.find_elements_by_css_selector('.event__participant.event__participant')[0].text,
aux.find_element_by_css_selector('.event__scores.fontBold').text.replace('\n',''),
aux.find_elements_by_css_selector('.event__participant.event__participant')[1].text)
****************************************************************************************************
O'Higgins 1 - 3 U. Española
****************************************************************************************************
Curicó Unido 1 - 0 Colo Colo
****************************************************************************************************
Audax 0 - 1 Palestino
****************************************************************************************************
U. De Chile 1 - 1 Coquimbo
****************************************************************************************************
La Serena 3 - 0 S. Wanderers
****************************************************************************************************
Everton 0 - 1 U. La Calera
Ahora en vez de mostrarlos, podemos guardarlos en una lista
y vamos a guardar el bendito id
que necesitábamos:
partidos = []
for aux in aux_ids:
partidos.append([aux.find_elements_by_css_selector('.event__participant.event__participant')[0].text,
aux.find_element_by_css_selector('.event__scores.fontBold').text.replace('\n',''),
aux.find_elements_by_css_selector('.event__participant.event__participant')[1].text,
aux.get_attribute('id')])
En este momento tenemos una lista
con los partidos y su resultado (en el momento que cargó la página).
Ahora por comodidad creo un DataFrame
con la lista de listas
que tenemos (esto es a gusto de cada uno).
df = pd.DataFrame(partidos)
df.rename(columns={0:'local',1:'resultado(PARCIAL)',2:'visitante',3:'id'},inplace=True)
Ahora nos falta borrar de id
(ej: 'g_1_StNsW7lf'), el prefijo g_1_
para poder tener la url del partido.
Hay varias opciones para hacer esto, lo normal sería hacer slicing:
df['id'] = df['id'].apply(lambda x:x[4:])
Si por alguna razón le agregan un prefijo distinto 'g_10_', esta forma no nos estaría sirviendo, por eso otra opción puede ser haciendo split
de '_'
.
De esta manera nos devuelve :[g, 1, StNsW7lf]
, y estaríamos tomando el elemento de la posición 2.
y lo haríamos de la siguiente manera:
df['id'] = df['id'].apply(lambda x:x.split('_')[2])
Y finalmente podemos dar de alta una nueva columna con el link del partido, donde tenemos que agregar el link 'https://www.mismarcadores.com/partido/'
:
url_aux = 'https://www.mismarcadores.com/partido/'
df['link'] = url_aux + df['id']
Ahora si mostramos nuestro DataFrame
:
local resultado(PARCIAL) visitante id link
O'Higgins 1 - 3 U. Española StNsW7lf https://www.mismarcadores.com/partido/StNsW7lf
Curicó Unido 1 - 0 Colo Colo YsUYXTJs https://www.mismarcadores.com/partido/YsUYXTJs
Audax 0 - 1 Palestino WYs7xABQ https://www.mismarcadores.com/partido/WYs7xABQ
U. De Chile 1 - 1 Coquimbo M3MoVR30 https://www.mismarcadores.com/partido/M3MoVR30
La Serena 3 - 0 S. Wanderers M3fL0bzl https://www.mismarcadores.com/partido/M3fL0bzl