基于特定列标题提取HTML表-Python

我正在尝试从以下内容中提取html表

例如，第44页的2019年董事薪酬表。我认为该表没有特定的id，例如“补偿表”等。。要提取该表，我只能考虑匹配列名或关键字，如“股票奖励”或“所有其他薪酬”，然后获取相关表

是否有一种基于列名提取这些表的简单方法？或者更简单的方法

谢谢

我在抓取HTML表格方面相对较新。。我的代码如下

from bs4 import BeautifulSoup
import requests
url = 'https://www.sec.gov/Archives/edgar/data/66740/000120677420000907/mmm3661701-def14a.htm'
r = requests.get(url) 
soup = BeautifulSoup(r.text, 'html.parser')
rows = soup.find_all('tr')

---

当然可以这样做，请根据使用

match

和

attrs

使用

read\u html

函数

将熊猫作为pd导入
df=pd.read\u html(
"https://www.sec.gov/Archives/edgar/data/66740/000120677420000907/mmm3661701-def14a.htm，attrs={'style'：'边框折叠：折叠；宽度：100%；font:9pt Arial，Helvetica，Sans Serif'}，match=“非员工董事”）
打印（df）
df[0]。到_csv（“data.csv”，index=False，header=False）

输出：

---

预期的输出是什么？@BittoBennichan整个表格非常感谢-这很有效。如果我们更进一步，您是否认为可以通过许多不同的html文件来迭代它。可能出现的问题是，如果有多个表包含“非员工董事”，或者格式不一致。例如，3M（如上）可能使用“非员工董事”，而苹果可能使用“外部董事”。有什么想法吗？@Patriots\u 25您可以匹配

attrs

和position

[]

，只要它始终处于相同的位置！明白-所以，如果我们看一下苹果公司的文件，除了它有很多不同的列标题外，还包括了相同的表格。你能想出任何方法来提取这些表吗？@Patriots\u 25到底是哪一个表？共享此链接是否适用于屏幕截图？如果有效，请查看数据是如何相同的，但文件管理器之间没有一致性。例如，AAPL将所有数据放在一个表中。。。嗯，它被分成了两张桌子