To scrape the table data from the website you need to induce WebDriverWait for the visibility_of_element_located() and using DataFrame from Pandas you can use the following locator strategy:
Code Block:
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
import pandas as pd
driver.get("https://www.sbs.gob.pe/app/pp/EstadisticasSAEEPortal/Paginas/TIActivaTipoCreditoEmpresa.aspx?tip=B")
data=WebDriverWait(driver, 20).until(EC.visibility_of_element_located((By.CSS_SELECTOR, "table.rpgTable[id$='DataZone_DT']"))).get_attribute("outerHTML")
df = pd.read_html(data)
print(df)
Console Output:
[ BBVA Comercio Crédito Pichincha BIF Scotiabank ... Ripley Alfin ICBC Bank of China BCI Promedio
0 9.11 12.50 8.95 10.15 8.81 8.62 ... - - 8.97 s.i. 10.50 9.03
1 10.58 12.50 9.27 - 5.95 9.32 ... - - - s.i. - 10.25
2 8.92 - 8.76 9.59 9.70 8.82 ... - - - s.i. 9.50 8.85
3 9.92 - 9.37 10.37 9.94 9.09 ... - - 10.00 s.i. 11.50 9.48
4 9.40 - 9.36 - 9.61 - ... - - 8.55 s.i. - 9.56
5 8.71 - 8.86 - 11.15 8.66 ... - - - s.i. - 8.79
6 8.89 - 8.64 - 10.50 8.51 ... - - - s.i. - 8.68
7 11.27 15.82 10.52 10.90 10.85 10.00 ... - - 8.99 s.i. 9.57 10.75
8 12.84 20.35 10.87 10.97 11.05 10.03 ... - - - s.i. - 11.32
9 11.75 12.67 11.22 11.76 10.54 11.09 ... - - - s.i. - 10.97
10 10.88 12.50 11.00 10.58 11.36 9.78 ... - - 8.96 s.i. - 10.66
11 10.93 11.00 10.14 11.31 11.18 10.69 ... - - 9.00 s.i. 9.57 10.57
12 9.93 - 9.77 12.55 9.65 9.91 ... - - - s.i. - 9.92
13 11.18 - 9.81 - 10.27 10.19 ... - - - s.i. - 10.43
14 15.40 11.89 14.62 12.52 13.07 13.81 ... - - - s.i. - 14.64
15 15.58 15.99 14.22 13.44 13.04 13.00 ... - - - s.i. - 13.95
16 17.13 13.66 14.52 10.27 10.79 13.94 ... - - - s.i. - 14.81
17 14.31 10.42 12.95 12.22 13.62 13.39 ... - - - s.i. - 13.48
18 14.78 11.70 12.90 12.81 12.82 12.87 ... - - - s.i. - 13.34
19 14.69 13.31 11.51 12.49 15.43 13.20 ... - - - s.i. - 13.70
20 16.22 14.00 16.88 8.50 12.31 14.80 ... - - - s.i. - 16.39
21 20.77 14.14 21.72 12.65 15.41 16.64 ... - - - s.i. - 23.24
22 20.94 - 18.34 - 20.69 14.59 ... - - - s.i. - 18.37
23 22.73 - 18.48 - - 11.90 ... - - - s.i. - 22.66
24 22.10 - 14.51 - 16.57 13.75 ... - - - s.i. - 26.46
25 20.72 - 12.28 12.30 - 15.21 ... - - - s.i. - 27.69
26 21.50 14.14 16.39 - 14.10 17.06 ... - - - s.i. - 31.87
27 20.63 - 21.94 12.77 12.42 16.70 ... - - - s.i. - 22.04
28 25.54 - 30.17 14.34 10.49 15.72 ... - - - s.i. - 38.59
29 33.72 - 30.83 29.60 - - ... - - - s.i. - 32.99
30 - - 17.93 - - 14.80 ... - - - s.i. - 17.83
31 21.79 - - - 10.49 - ... - - - s.i. - 45.13
32 25.75 - 19.00 - - - ... - - - s.i. - 14.78
33 21.96 - 11.97 - - - ... - - - s.i. - 31.08
34 22.80 - 18.00 - - - ... - - - s.i. - 60.35
35 21.73 - 15.52 - - 19.20 ... - - - s.i. - 53.79
36 21.69 - 31.45 13.58 - 15.72 ... - - - s.i. - 30.18
37 39.78 15.55 48.37 38.94 31.30 38.15 ... 71.36 64.27 - s.i. - 52.33
38 51.34 28.32 56.47 40.34 54.29 44.64 ... 80.16 - - s.i. - 61.91
39 13.22 - - - - - ... - - - s.i. - 15.11
40 13.26 - 14.03 - 14.69 11.40 ... - 25.50 - s.i. - 13.93
41 20.08 42.90 64.84 23.54 10.64 21.58 ... - 18.50 - s.i. - 50.48
42 19.10 15.33 19.78 35.04 16.80 19.70 ... 33.99 65.94 - s.i. - 23.64
43 - 48.65 - - - - ... - - - s.i. - 48.65
44 8.97 10.55 9.51 10.46 10.18 9.35 ... - - - s.i. - 9.64
45 8.97 10.55 9.51 10.46 10.18 9.35 ... - - - s.i. - 9.64
[46 rows x 18 columns]]