Python 从BeautifulSoup对象中删除标记

我在从论坛网站（每页50行）上抓取表格时遇到了一些困难。正如我所写的，我的代码可以处理95%的内容，但当出现粗体或斜体行时，会添加一个表格分隔符，而我没有得到完整的结果

大多数页面的标签如下所示：

<table>
  <td>
    content_1
  </td><td>
    content_2
  </td><td>
    content_3
  </td>
  ...
</table>

---

正如您已经注意到的，

。

是无序的，因此HTML格式不正确

html.parser

无法处理该作业。我已经尝试了针对您的测试用例的

lxml

，它是有效的

soup = BeautifulSoup(content, "lxml")

---

“…但出现粗体或斜体行时会中断…”请显示中断的代码和错误消息（如果有）。抱歉，“中断”是错误的词语选择。它只是没有提供其他页面提供的完整结果。我添加了我的代码以及示例页面…webite很混乱。。。你能澄清一下你想得到的网站的哪一部分，可能有一个更好的标签吗？是的，它非常混乱。。。只是想把表格放在页面底部，上面有帖子号、主题、用户名、日期……看起来就是这样。非常感谢。我习惯于总是默认使用html.parser。

def get_page(URL):
    '''
    INPUT: url
    OUTPUT: pandas dataframe with message board info
    '''
    content = requests.get(URL).content
    soup = BeautifulSoup(content, "html.parser")
    rows = list(soup.find('table', id="ctl00_CP1_gv"))
    table_lst = []
    for row in rows[2:-2]:
      cell_lst = [cell for cell in list(row)[1:5]]
      table_lst.append(cell_lst)
    return pd.DataFrame(table_lst)

if __name__ == '__main__':
    url1 = "https://investorshub.advfn.com/Cal-Bay-International-Inc-CBYI-5520/?NextStart=35092"
    url2 = "https://investorshub.advfn.com/Cal-Bay-International-Inc-CBYI-5520/?NextStart=35099"
    url3 = "https://investorshub.advfn.com/Cal-Bay-International-Inc-CBYI-5520/?NextStart=1000"
    df1 = get_page(url1)
    df2 = get_page(url2)
    df3 = get_page(url3)

soup = BeautifulSoup(content, "lxml")