在python中以列表形式从html文件导入表的行

我是一个python新手，我遇到了一些我无法解决的问题（即使在大约一百万次谷歌搜索之后）

我有超过100个html文件，每个文件中都有几个表。最后，我希望文件中第一个HTML表的每一行都是python中的一个列表，但是没有HTML标记。第一步，我想弄清楚如何去掉HTML标记，然后我需要弄清楚如何将其作为列表导入

我的HTML文件如下所示：

 <tr><td>1</td><td>FORWARD</td><td>72</td><td>20</td><td>60.29</td><td>55.00</td><td>5.00</td><td>3.00</td></tr>
 <tr><td>&nbsp;</td><td>REVERSE</td><td>258</td><td>20</td><td>60.11</td><td>45.00</td><td>4.00</td><td>3.00</td></tr>
 <tr><td>2</td><td>FORWARD</td><td>77</td><td>20</td><td>60.08</td><td>50.00</td><td>5.00</td><td>2.00</td></tr>
 <tr><td>&nbsp;</td><td>REVERSE</td><td>258</td><td>20</td><td>60.11</td><td>45.00</td><td>4.00</td><td>3.00</td></tr>

soup = BeautifulSoup(html)
table = soup.find('table')
rows = table.findAll('tr')
for row in rows:
    print [col.string for col in row.findAll('td')]

我读到BeautifulSoup可能会提供帮助，所以我尝试：

 from bs4 import BeautifulSoup

 def removeTags(html, *tags):
     soup = BeautifulSoup(html)
     for tag in tags:
         for tag in soup.findAll(tag):
             tag.replaceWith("")
     return soup


 testhtml = open('myfile.html', 'r')

 print removeTags(testhtml, 'tr', 'td')

---

但这似乎删除了表中的所有信息，而不仅仅是HTML标记。我也试过其他几种方法，但我似乎被卡住了。如果您有任何建议，我将不胜感激。

请尝试以下内容：

 <tr><td>1</td><td>FORWARD</td><td>72</td><td>20</td><td>60.29</td><td>55.00</td><td>5.00</td><td>3.00</td></tr>
 <tr><td>&nbsp;</td><td>REVERSE</td><td>258</td><td>20</td><td>60.11</td><td>45.00</td><td>4.00</td><td>3.00</td></tr>
 <tr><td>2</td><td>FORWARD</td><td>77</td><td>20</td><td>60.08</td><td>50.00</td><td>5.00</td><td>2.00</td></tr>
 <tr><td>&nbsp;</td><td>REVERSE</td><td>258</td><td>20</td><td>60.11</td><td>45.00</td><td>4.00</td><td>3.00</td></tr>

soup = BeautifulSoup(html)
table = soup.find('table')
rows = table.findAll('tr')
for row in rows:
    print [col.string for col in row.findAll('td')]

编辑：

---

如果您想取回数字，可以在

列字符串上调用
float
，但这会给
“FORWARD”
等标记带来错误。不过，这应该可以让您开始了。
这有点草率，但它确实起到了作用

with open('htmlfile.html','r') as file:
  rows = []
  for line in file:
    start = max(line.find('FORWARD'),line.find('REVERSE'))
    rows.append(line[start:].replace('<','').replace('>','').replace('/','').replace('td',' ').replace('tr',' ').strip().split('  '))
print(rows)

以open（'htmlfile.html'，'r'）作为文件的
：
行=[]
对于文件中的行：
开始=最大值（line.find（'FORWARD'）、line.find（'REVERSE'））
行.append（行[start:].replace（'''，''）.replace（'/''，''）.replace（'td'，''）.replace（'tr'，''）.strip（）.split（''）
打印（行）
给定示例数据，您可以使用以下代码以列表的形式获取第一行：

>>> list(soup.find('tr').strings)
[u'1', u'FORWARD', u'72', u'20', u'60.29', u'55.00', u'5.00', u'3.00']

我道歉。你的答案看起来和我发布的非常相似，我正试图编辑我的答案。我不小心编辑了你的。@Eric别担心。回滚。假设HTML文件具有给定的行结构是一个坏主意。这对我来说非常有用，即使它有点凌乱。但是我不明白为什么行
start=max（line.find（'FORWARD'）、line.find（'REVERSE'））
起作用
print（start）
返回值-1，根据python文档，该值表示它找不到字符串“FORWARD”或字符串“REVERSE”
start==-1
表示FORWARD和REVERSE都不在同一行中。如果它们中的任何一个在同一行中，那么start设置为其中一个出现的第一个索引。哦，我明白了。我正在运行start=。。。这就是为什么我总是得到-1。如果你做对了就更有意义了…谢谢！