在python中使用Beautiful soup分析表

所以我有一张桌子：

<table border="1" style="width: 100%">
  <caption></caption>
  <col>
  <col>
  <tbody>
<tr>
  <td>Pig</td>
  <td>House Type</td>
</tr>
<tr>
  <td>Pig A</td>
  <td>Straw</td>
</tr>
<tr>
  <td>Pig B</td>
  <td>Stick</td>
</tr>
<tr>
  <td>Pig C</td>
  <td>Brick</td>
</tr>

然而，我的代码似乎无法摆脱HTML标记：

stable = soup.find('table')

cells = [ ]
rows = stable.findAll('tr')
for tr in rows[1:4]:
    # Process the body of the table
    row = []
    td = tr.findAll('td')
    #td = [el.text for el in soup.tr.finall('td')]
    row.append( td[0])
    row.append( td[1])
    cells.append( row )


return cells

#最后，我想这样做： #h=json.dumps（单元格） #返回h

我的输出是：

---

[[Pig A，Straw]，[Pig B，Stick]，[Pig C，Brick]]

使用

text

属性仅获取元素的内部文本：

row.append(td[0].text)
row.append(td[1].text)

---

您可以尝试使用lxml库

from lxml.html import fromstring
import lxml.html as PARSER

#data = open('example.html').read() # You can read it from a html file.
#OR
data = """
<table border="1" style="width: 100%">
  <caption></caption>
  <col>
  <col>
  <tbody>
<tr>
  <td>Pig</td>
  <td>House Type</td>
</tr>
<tr>
  <td>Pig A</td>
  <td>Straw</td>
</tr>
<tr>
  <td>Pig B</td>
  <td>Stick</td>
</tr>
<tr>
  <td>Pig C</td>
  <td>Brick</td>
</tr>
"""
root = PARSER.fromstring(data)
main_list = []

for ele in root.getiterator():
    if ele.tag == "tr":
        text = ele.text_content().strip().split('\n')
        main_list.append(text)

print main_list

从lxml.html导入fromstring
将lxml.html作为解析器导入
#data=open（'example.html'）.read（）#您可以从html文件中读取它。
#或
data=”“”
猪
户型
猪A
稻草
猪B
棍子
猪C
砖
"""
root=PARSER.fromstring（数据）
主列表=[]
对于root.getiterator（）中的元素：
如果ele.tag==“tr”：
text=ele.text\u content（）.strip（）.split（'\n'）
主列表。追加（文本）
打印主目录

输出：

---

第一个成功了。第二个给了我

AttributeError:'ResultSet'对象没有属性“contents”

from lxml.html import fromstring
import lxml.html as PARSER

#data = open('example.html').read() # You can read it from a html file.
#OR
data = """
<table border="1" style="width: 100%">
  <caption></caption>
  <col>
  <col>
  <tbody>
<tr>
  <td>Pig</td>
  <td>House Type</td>
</tr>
<tr>
  <td>Pig A</td>
  <td>Straw</td>
</tr>
<tr>
  <td>Pig B</td>
  <td>Stick</td>
</tr>
<tr>
  <td>Pig C</td>
  <td>Brick</td>
</tr>
"""
root = PARSER.fromstring(data)
main_list = []

for ele in root.getiterator():
    if ele.tag == "tr":
        text = ele.text_content().strip().split('\n')
        main_list.append(text)

print main_list