我正试图从一个网站上搜集表格数据。
下面是一个简单的示例表:
t = '<html><table>' +\
'<tr><td class="label"> a </td> <td> 1 </td></tr>' +\
'<tr><td class="label"> b </td> <td> 2 </td></tr>' +\
'<tr><td class="label"> c </td> <td> 3 </td></tr>' +\
'<tr><td class="label"> d </td> <td> 4 </td></tr>' +\
'</table></html>'
所需的分析结果是{' a ': ' 1 ', ' b ': ' 2 ', ' c ': ' 3 ', ' d ' : ' 4' }
这是我迄今为止最接近的一次尝试:
for tr in s.findAll('tr'):
k, v = BeautifulSoup(str(tr)).findAll('td')
d[str(k)] = str(v)
结果是:
{'<td class="label"> a </td>': '<td> 1 </td>', '<td class="label"> d </td>': '<td> 4 </td>', '<td class="label"> b </td>': '<td> 2 </td>', '<td class="label"> c </td>': '<td> 3 </td>'}
我知道findAll()
的text=True
参数,但在使用它时没有得到预期的结果。
我正在使用Python2.6和BeautifulSoup3。
您可以使用与mvillaress相同的方法,但可以使用List Comprehensions对其进行一些改进:
试试这个:
如果你在刮桌子上有一个明确的“thead”和“tbody”,比如:
您可以使用以下选项:
这将产生:
这是用lxml.html。如果您使用的是BeautifulSoup,请将“.text_content()”替换为“.string”和“.cssselect”替换为“.findAll”。
相关问题 更多 >
编程相关推荐