Python 漂亮的汤，html表格解析

我目前在尝试将表解析为数组时遇到了一些问题

我有一个简单的表（），我需要用BS4解析它，并将单元格内容放入一个数组中。让事情变得困难的是，单元格不包含文本，而是包含具有以下标题的图像： “确认”或“站点”-这只是用户权限的内容。 [我正在跳过包含复选框的第一行，我可以毫无问题地提取这些复选框]

如果您查看上面的fiddle，我需要做的就是以这样一种方式解析它，结果数组变成：

Array1[0] = User1,Confirm,Confirm,Site,Confirm
Array1[1] = User2,Confirm,Confirm,Confirm,Confirm
Array1[2] = User3,Confirm,Confirm,Confirm,Confirm
Array1[3] = User4,Confirm,Site,Site,Confirm

这样我就可以随心所欲了。 另一个复杂问题是，有时行数会有所不同，因此脚本应该能够适应这种情况，并从表中递归创建数组

目前我唯一的希望是。。在过去的10个小时里，我自己做这件事，几乎没有成功，坦白说，我已经失去了希望。我最接近得到一些东西是在封闭的标记中提取的，但由于某些奇怪的原因，无法进一步解析，也许是bs4的嵌套限制？请大家看一看，看能不能找到一种方法？或者至少解释一下如何到达那里

var解释： rightml-桌上的汤。

allusers = []
rows = rightml.findAll('tr')
for tr in rows:
    cols = tr.findAll('td')
    for td in cols:
        if (td.find(title="Group")) or (td.find(title="User")):
            text = ''.join(td.text.strip())
            allusers.append(text)
print allusers

gifrights = []

rows7 = rightml.findAll('td')
#print rows7
for tr7 in rows:
    cols7 = tr7.findAll('img')
    for td7 in cols7:
        if (td7.find(title="Confirm")) or (td7.find(title="Site")):
            text = ''.join(td7.text.strip())
            text2 = text.split(' ')
            print text2
            gifrights.append(text2)

---

我可能会被这个密码弄得太离谱了。。但是我在大学里试过了。

你喜欢这项工作吗：

rows = soup.find('tbody').findAll('tr')

for row in rows:
    cells = row.findAll('td')

    output = []

    for i, cell in enumerate(cells):
        if i == 0:
            output.append(cell.text.strip())
        elif cell.find('img'):
            output.append(cell.find('img')['title'])
        elif cell.find('input'):
            output.append(cell.find('input')['value'])
    print output

这将产生以下结果：

[u'Logged-in users', u'True', u'True', u'True', u'True']
[u'User 1', u'Confirm', u'Confirm', u'Site', u'Confirm']
[u'User 2', u'Confirm', u'Confirm', u'Confirm', u'Confirm']
[u'User 3', u'Confirm', u'Confirm', u'Confirm', u'Confirm']
[u'User 4', u'Confirm', u'Site', u'Site', u'Confirm']

---

我认为对行本身使用列表理解会更快

rows = soup.find('tbody').findAll('tr')

for i in rows[1:]: # the first row is thrown out
    [j['title'] for j in i.findAll('img')]

这给了你

['User', 'Confirm', 'Confirm', 'Site', 'Confirm']
['User', 'Confirm', 'Confirm', 'Confirm', 'Confirm']
['User', 'Confirm', 'Confirm', 'Confirm', 'Confirm']
['User', 'Confirm', 'Site', 'Site', 'Confirm']

您可以使用嵌套列表理解删除更多步骤：

# superpythonic
[[j['title'] for j in i.findAll('img')] for i in rows[1:]]

# all together now, but not so pythonic
[[j['title'] for j in i.findAll('img')] for i in soup.find('tbody').findAll('tr')[1:]]

您实际上不需要用户#，因为用户#是索引号+1

[[j['title'] for j in i.findAll('img') if j['title'] != 'User'] for i in rows[1:]]

但是，如果你必须有一个

for i in xrange(len(users)):
    users[i].append("User " + str(i+1))

但是，如果您坚持这样做，我会使用

namedtuple

作为数据结构，而不是列表

然后，一旦你有了一个名为tuple的实例，比如说，用户1是

User

，你就可以

>>> user.num
... 1
>>> user.col_1
... 'Confirm'
>>> user.col_2
... 'Confirm'
>>> user.col_3
... 'Site'
>>> user.col_4
... 'Confirm'

---

我一回家就去检查。但如果这样做有效的话，你肯定可以拥有我所有的互联网！我试过你的方法，也试过上面的方法，都很有效。非常感谢您的解释和建议！

>>> user.num
... 1
>>> user.col_1
... 'Confirm'
>>> user.col_2
... 'Confirm'
>>> user.col_3
... 'Site'
>>> user.col_4
... 'Confirm'