Python '；列表索引超出范围'；刮表时出现问题

我正在尝试从维基百科页面中删除表格

我得到了html，找到了包含我想要的表的部分：

<table class="wikitable sortable">
 <tbody>
  <tr>
   <th>Postcode</th>
   <th>Borough</th>
   <th>Neighbourhood</th>
  </tr>
 <tr>
  <td>M1A</td>
  <td>Not assigned</td>
  <td>Not assigned</td>
 </tr>
 <tr>
  <td>M2A</td>
  <td>Not assigned</td>
  <td>Not assigned</td>
 </tr>
  <tr>
   <td>M3A</td>
   <td><a href="/wiki/North_York" title="North York">North York</a></td>
   <td><a href="/wiki/Parkwoods" title="Parkwoods">Parkwoods</a></td>
  </tr>
 <tr>
  <td>M4A</td>
  <td><a href="/wiki/North_York" title="North York">North York</a></td>
  <td><a href="/wiki/Victoria_Village" title="Victoria Village">Victoria Village</a></td>
 </tr>
 <tr>
  <td>M5A</td>
  <td><a href="/wiki/Downtown_Toronto" title="Downtown Toronto">Downtown Toronto</a></td>
  <td><a href="/wiki/Harbourfront_(Toronto)" title="Harbourfront (Toronto)">Harbourfront</a></td>
  </tr>
 <tr>
.
.
.

输出是我所期望的：

['M1A', 'M2A', 'M3A', 'M4A', 'M5A', 'M5A', 'M6A', 'M6A', 'M7A', 'M8A', 'M9A', 'M1B', 'M1B', 'M2B', 'M3B', 'M4B', 'M4B', 'M5B', 'M5B', 'M6B', ...

然而，当我想为自治区和邻里区做同样的事情时，我总是得到“列表索引超出范围” 以下是我用于自治区和居民区的代码：

Borough=[]
for row in My_table.findAll('td') :
    Borough_cell=row.findAll('a')[0]
    Borough.append(Borough_cell.text)
print(Borough)

我确实注意到，在自治区和社区中存在“未分配”的值（没有“a”），我不知道是不是这些值导致了问题。

---

我的预期结果是将表转换为pandas格式以便进一步处理。

是的，原因是某些邮政编码有链接，而其他邮政编码没有链接

一种更简单的方法是抓取自治区/邻里区的

td

，将文本放在里面：

Borough=[]
for row in My_table.findAll('tr')[1:]:
    Borough_cell=row.findAll('td')[1]
    Borough.append(Borough_cell.text)
print(Borough)

就像你对邮政编码所做的一样

请注意，现在您可以将代码概括为一个for循环：

postcodes = []
boroughs = []
neighbourhoods = []
for row in My_table.findAll('tr')[1:]:
    postcodecell, boroughcell, neighbourcell = row.findAll('td')
    postcodes.append(postcodecell.text)
    boroughs.append(boroughcell.text)
    neighbourhoods.append(neighbourcell.text)

---

此外，如果您的项目涉及大量Wikipedia页面和大量的抓取/解析，那么我强烈建议您使用两种资源：

需要一些帮助

，这是一个漂亮的包，可以帮助解析一组MediaWiki对象

---

是的，原因是一些邮政编码有链接，而另一些没有

一种更简单的方法是抓取自治区/邻里区的

td

，将文本放在里面：

Borough=[]
for row in My_table.findAll('tr')[1:]:
    Borough_cell=row.findAll('td')[1]
    Borough.append(Borough_cell.text)
print(Borough)

就像你对邮政编码所做的一样

请注意，现在您可以将代码概括为一个for循环：

postcodes = []
boroughs = []
neighbourhoods = []
for row in My_table.findAll('tr')[1:]:
    postcodecell, boroughcell, neighbourcell = row.findAll('td')
    postcodes.append(postcodecell.text)
    boroughs.append(boroughcell.text)
    neighbourhoods.append(neighbourcell.text)

---

此外，如果您的项目涉及大量Wikipedia页面和大量的抓取/解析，那么我强烈建议您使用两种资源：

需要一些帮助

，这是一个漂亮的包，可以帮助解析一组MediaWiki对象

还可以使用将表直接转换为数据帧

产出：

    Postcode           Borough                                      Neighbourhood
0        M1A      Not assigned                                       Not assigned
1        M2A      Not assigned                                       Not assigned
2        M3A        North York                                          Parkwoods
3        M4A        North York                                   Victoria Village
4        M5A  Downtown Toronto                                       Harbourfront
5        M5A  Downtown Toronto                                        Regent Park
...
[288 rows x 3 columns]

还可以使用将表直接转换为数据帧

产出：

    Postcode           Borough                                      Neighbourhood
0        M1A      Not assigned                                       Not assigned
1        M2A      Not assigned                                       Not assigned
2        M3A        North York                                          Parkwoods
3        M4A        North York                                   Victoria Village
4        M5A  Downtown Toronto                                       Harbourfront
5        M5A  Downtown Toronto                                        Regent Park
...
[288 rows x 3 columns]

---

我照你说的做了，这对自治区很有效。但是当涉及到社区时，我提取的值都包含了结尾处的“/n”。有什么办法可以删除它吗？@Momoxuan是的，做

neightourcell.text.rstrip（）

我照你说的做了，这对自治区很有效。但是，当涉及到邻里时，我提取的值在末尾包含“/n”。有办法删除它吗？@Momoxuan是的，请执行

neighbourcell.text.rstrip（）