Python 抓取一个html表格，如何在一个类似的结构信息

我正在尝试创建一个如下所示的html表：

Recent ratings:
thew              26-6-2014 11:02     Karma   +4      lucky you
user34            26-6-2014 10:34     Karma   +3      great!
godspeed          26-6-2014 06:50     Karma   +5      thanks!
                                                                [Report to Mod.]

thew
ￂﾠￂﾠ26-6-2014 11:02ￂﾠￂﾠKarmaￂﾠￂﾠ+4
ￂﾠￂﾠlucky you
user34
ￂﾠￂﾠ26-6-2014 10:34ￂﾠￂﾠKarmaￂﾠￂﾠ+3
ￂﾠￂﾠgreat!
godspeed
ￂﾠￂﾠ26-6-2014 06:50ￂﾠￂﾠKarmaￂﾠￂﾠ+5
ￂﾠￂﾠthanks!

我使用漂亮的汤，我的代码包括：

five = soup.findAll("fieldset")

for html in five:
            text5 = BeautifulSoup(str(html).strip()).get_text().encode("utf-8").replace("   ", "")
            karmas.append(text5.split("Recent Ratings")[1].split("[Report to Mod.]")[0].strip())

在csv文件中，结果是一列如下所示：

Recent ratings:
thew              26-6-2014 11:02     Karma   +4      lucky you
user34            26-6-2014 10:34     Karma   +3      great!
godspeed          26-6-2014 06:50     Karma   +5      thanks!
                                                                [Report to Mod.]

thew
ￂﾠￂﾠ26-6-2014 11:02ￂﾠￂﾠKarmaￂﾠￂﾠ+4
ￂﾠￂﾠlucky you
user34
ￂﾠￂﾠ26-6-2014 10:34ￂﾠￂﾠKarmaￂﾠￂﾠ+3
ￂﾠￂﾠgreat!
godspeed
ￂﾠￂﾠ26-6-2014 06:50ￂﾠￂﾠKarmaￂﾠￂﾠ+5
ￂﾠￂﾠthanks!

如何在类似于表的结构中分离信息

我尝试添加.replace（“\n”，”），结果是一行中的所有信息：

thewￂﾠￂﾠ26-6-2014 11:02ￂﾠￂﾠKarmaￂﾠￂﾠ+4ￂﾠￂﾠlucky youuser34ￂﾠￂﾠ26-6-2014 10:34ￂﾠￂﾠKarmaￂﾠￂﾠ+3ￂﾠￂﾠgreat!godspeedￂﾠￂﾠ26-6-2014 06:50ￂﾠￂﾠKarmaￂﾠￂﾠ+5ￂﾠￂﾠthanks!

这是我打印“五”时得到的结果

[<fieldset><legend><a href="misc.php?action=viewratings&amp;tid=50510&amp;pid=502926" title="View Rating Log">Recent Ratings</a></legend><br/>
<table border="0" cellpadding="0" cellspacing="0">
<tr><td><a href="viewpro.php?uid=21445" target="_blank">thew</a></td>
<td>  26-6-2014 11:02</td><td>  Karma</td><td>  <b>+4</b></td>
<td>  lucky you</td></tr>
<tr><td><a href="viewpro.php?uid=43867" target="_blank">user34</a></td>
<td>  26-6-2014 10:34</td><td>  Karma</td><td>  <b>+3</b></td>
<td>  great!</td></tr>
<tr><td><a href="viewpro.php?uid=68709" target="_blank">godspeed</a></td>
<td>  26-6-2014 06:50</td><td>  Karma</td><td>  <b>+5</b></td>
<td>  thanks!</td></tr>
</table>
</fieldset>]

---

不要使用

soup.findAll（“字段集”）

在字段集中使用

soup.findAll（“tr”）

html=''' <fieldset><legend><a href="misc.php?action=viewratings&amp;tid=50510&amp;pid=502926" title="View Rating Log">Recent Ratings</a></legend><br/>
<table border="0" cellpadding="0" cellspacing="0">
<tr><td><a href="viewpro.php?uid=21445" target="_blank">thew</a></td>
<td>  26-6-2014 11:02</td><td>  Karma</td><td>  <b>+4</b></td>
<td>  lucky you</td></tr>
<tr><td><a href="viewpro.php?uid=43867" target="_blank">user34</a></td>
<td>  26-6-2014 10:34</td><td>  Karma</td><td>  <b>+3</b></td>
<td>  great!</td></tr>
<tr><td><a href="viewpro.php?uid=68709" target="_blank">godspeed</a></td>
<td>  26-6-2014 06:50</td><td>  Karma</td><td>  <b>+5</b></td>
<td>  thanks!</td></tr>
</table>
</fieldset> '''

from bs4 import BeautifulSoup
import csv

soup=BeautifulSoup(html)
five = soup.findAll("tr")
for i in five:
    with open('some.csv', 'a') as f:
        writer = csv.writer(f)

        writer.writerow([j.text for j in  i.findAll('td')])

#output

thew   26-6-2014 11:02   Karma  +4   lucky you
user34   26-6-2014 10:34   Karma  +3   great!
godspeed   26-6-2014 06:50   Karma  +5   thanks!

html=''”

26-6-2014 11:02因果报应+4
你真幸运
26-6-2014 10:34因果报应+3
伟大的
26-6-2014 06:50因果报应+5
谢谢
'''
从bs4导入BeautifulSoup
导入csv
soup=BeautifulSoup（html）
五=汤。芬达尔（“tr”）
对于我来说，五分之一：
以open（'some.csv'，'a'）作为f：
writer=csv.writer（f）
writer.writerow（[i.findAll（'td'）中j的j.text）
#输出
thew 26-6-2014 11:02因果报应+4幸运你
用户34 26-6-2014 10:34业力+3伟大！
上帝保佑26-6-2014 06:50因果报应+5谢谢！

如果您能在这里给出

five

的输出，就更容易理解了。谢谢您的回复！我刚刚添加了您要求的内容。看起来这会起作用，但仅在这个特定的示例中使用这三个用户？我需要对数千个html文件执行此操作，其中来自不同用户的反馈将不同。代码完全独立于数据。如果html文件具有相同的结构，这应该会对任何文件上的任何数量的用户放弃评论。啊，我明白了，谢谢！如上所述，它在打印时肯定有效。但是，当我尝试将其写入csv时，输出仅为“thew”，即第一个用户的名称——所有内容都被忽略。我已经更新了上面的问题来解释！Sundar，我怎么能把文本转换成csv呢？请查看更新的问题。我希望你能帮忙！谢谢你的帮助，Sundar！