Python 在Beautiful Soup中提取HTML表，获得重复元素

第二次尝试抓取网页时，遇到了一个奇怪的错误

我要做的最终结果是废弃该表并将每一行放入一个SQL表中，但这有90年代风格的嵌套表，没有分区，也没有类。我读过关于使用结构的书，但我不知道如何使用它。我一直很好奇我是否可以从某一行开始作为“结构”，但这也有局限性

当前的挑战是，这段代码在移动到下一行之前会拾取重复的元素并忽略其他元素

import bs4
import urllib
from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup
my_url = 'http://www.texasregionalradio.com/top100.asp'
uClient = uReq(my_url)
page_html = uClient.read()
uClient.close()
page_soup = soup(page_html, "html.parser")
table_soup = page_soup

# Limit the amount of HTML grabbed by Soup
#table_soup = page_soup.findAll("table", {"class":"sample"})

# Trying to grab cells from each row. Randomly chose [8:10] but I      don't know what they are selecting or why.

for row in table_soup.findAll("tr")[8:10]:
    for cell in row.findAll("td"):
        print(cell.text)

结果：

12  
2    
1     

PUT MY MONEY ON THAT / Independent   (1) Weeks at #1  
Curtis Grimes
PUT MY MONEY ON THAT / Independent   (1) Weeks at #1  
Curtis Grimes
PUT MY MONEY ON THAT / Independent   (1) Weeks at #1  
Curtis Grimes 

另外，我刚刚了解到。文本可以格式化unicode，这样我就不会得到奇怪的字符串，我对此感到非常高兴，也没有任何人愿意与我分享。那就是你。谢谢你的帮助。：）

问题1：如何才能在这种混乱情况下最好地隔离桌子？ 问题2：为什么缺少元素？ 问题3：重复的元素是什么

编辑：

通过将解析器切换到“html5lib”，某些结果得到了改进：

---

该页面将您要查找的项目显示为表中的表，如下所示：

<table>
    <tr>
        <td>
            <table>
                <tr>
                    <td>DESIRED TEXT HERE</td>

此处为所需文本

---

所需的

元素是外部表

和内部表

的子元素（或孙子元素），因此您的搜索会多次找到相同的

元素。

谢谢。我应该更改什么，使其只找到一次？内部表具有

class=“internal”

，因此您可以将初始搜索限制为仅搜索该类的表。

<table>
    <tr>
        <td>
            <table>
                <tr>
                    <td>DESIRED TEXT HERE</td>