如何使用python从HTML文件读取数据并将数据写入CSV文件？

我有一个.html文件报告，它由表和通过-失败标准方面的数据组成。因此，我希望使用Python3将这些数据写入.csv文件。 请告诉我如何进行？ 例如，数据如下所示：

<h2>Sequence Evaluation of Entire Project &nbsp;&nbsp;&nbsp;<em class="contentlink"><a href="#contents">[Contents]</a></em> </h2>

<table width="100%" class="coverage">
  <tr class="nohover">
    <td colspan="8" class="tableabove">Test Sequence State</td>
  </tr>
  <tr>
    <th colspan="2" style="white-space:nowrap;">Metric</th>
    <th colspan="2">Percentage</th>
    <th>Target</th>
    <th>Total</th>
    <th>Reached</th>
    <th>Unreached</th>
  </tr>
  <tr>
    <td colspan="2">Test Sequence Work Progress</td>
    <td>100.0%</td>
    <td>
      <table class="metricbar">
        <tr class="borderX">
          <td class="white"></td>
          <td class="target"></td>
          <td class="white" colspan="2"></td>
        </tr>
        <tr>
          <td class="covreached" width="99%"></td>
          <td class="target" width="1%"></td>
          <td class="covreached" width="0%"></td>
          <td class="covnotreached" width="0%"></td>
        </tr>
        <tr class="borderX">
          <td class="white"></td>
          <td class="target"></td>
          <td class="white" colspan="2"></td>
        </tr>
      </table>
    </td>
    <td>100%</td>
    <td>24</td>
    <td>-</td>
    <td>-</td>
  </tr>
  <tr>

整个项目的顺序评估
测试序列状态
米制的
百分比
目标
全部的
达到
未实现
测试顺序工作进度
100.0%
100%
24
-
-

假设您知道标题，并且实际上只需要相关的百分比，使用bs4 4.7.1，您可以使用：contains将标题设置为目标标题，然后使用next

td

。您将把HTML从文件读入显示的HTML变量

import requests
from bs4 import BeautifulSoup as bs
import pandas as pd

html = '''
<h2>Sequence Evaluation of Entire Project &nbsp;&nbsp;&nbsp;<em class="contentlink"><a href="#contents">[Contents]</a></em> </h2>

<table width="100%" class="coverage">
  <tr class="nohover">
    <td colspan="8" class="tableabove">Test Sequence State</td>
  </tr>
  <tr>
    <th colspan="2" style="white-space:nowrap;">Metric</th>
    <th colspan="2">Percentage</th>
    <th>Target</th>
    <th>Total</th>
    <th>Reached</th>
    <th>Unreached</th>
  </tr>
  <tr>
    <td colspan="2">Test Sequence Work Progress</td>
    <td>100.0%</td>
    <td>
      <table class="metricbar">
        <tr class="borderX">
          <td class="white"></td>
          <td class="target"></td>
          <td class="white" colspan="2"></td>
        </tr>
        <tr>
          <td class="covreached" width="99%"></td>
          <td class="target" width="1%"></td>
          <td class="covreached" width="0%"></td>
          <td class="covnotreached" width="0%"></td>
        </tr>
        <tr class="borderX">
          <td class="white"></td>
          <td class="target"></td>
          <td class="white" colspan="2"></td>
        </tr>
      </table>
    </td>
    <td>100%</td>
    <td>24</td>
    <td>-</td>
    <td>-</td>
  </tr>
  <tr>
  '''
soup = bs(html, 'lxml') # 'html.parser' if lxml not installed
header = 'Test Sequence Work Progress'
result = soup.select_one('td:contains("' + header + '") + td').text
df = pd.DataFrame([result], columns = [header])
print(df)
df.to_csv(r'C:\Users\User\Desktop\data.csv', sep=',', encoding='utf-8-sig',index = False )

导入请求
从bs4导入BeautifulSoup作为bs
作为pd进口熊猫
html=“”
整个项目的顺序评估
测试序列状态
米制的
百分比
目标
全部的
达到
未实现
测试顺序工作进度
100.0%
100%
24
-
-
'''
soup=bs（html，'lxml'）#'html.parser'，如果没有安装lxml
标题='测试序列工作进度'
结果=汤。选择一个（'td:contains（“+header+”）+td'）。文本
df=pd.DataFrame（[result]，columns=[header]）
打印（df）
df.to_csv（r'C:\Users\User\Desktop\data.csv'，sep='，encoding='utf-8-sig'，index=False）

什么样的数据？无论如何，您应该看看Python。使用

re

或

BeautifulSoup

库解析HTML，提取表行和单元格，将其存储在某些数据结构中，最后使用

pandas

或标准Python库写入CSV。很高兴您添加了HTML，但是仍然不清楚您想要从中提取什么。从测试序列工作进度中，我想要“测试序列工作进度”作为列标题，100.0%作为.csv文件中的100%值…@SupratimHaldar请不要建议使用regexps解析HTML-regexps无法正确解析具有任意嵌套结构的语言。此外，您完全不需要panda来编写csv文件，stdlib的csv模块完全可以做到这一点（FWIW panda在引擎盖下使用它，因此您得到的唯一东西是无用的依赖项和开销）。您忘记在那里导入panda:）

将panda作为pd导入
@nexla谢谢。使用jupyter的危险！谢谢你的回答，但我有Bs4版本4.6.0。我建议升级，因为4.7.1中有很多改进和更多功能。我不知道你的版本中是否支持第n种类型，但你可以尝试将选择器更改为。覆盖率td:n种类型（2）谢谢你的回答，我可以打开一个html文件吗（我没有任何URL）所以，如果我打开html，阅读它，然后在for循环中迭代它，这会起作用吗？是的，它会起作用，只需正确输入相对路径！仍然在工作，但在我的要求中，我不需要excel，你能告诉我你为什么用excel写吗？好的！如果您遇到任何问题，请告诉我为什么我需要excel，但将xls转换为csv非常容易
import csv 
from bs4 import BeautifulSoup

out = open('out.csv', 'w', encoding='utf-8')
path="my.html"  #add the path of your local file here


soup = BeautifulSoup(open(path), 'html.parser')
for link in soup.find_all('p'): #add tag whichyou want to extract
 a=link.get_text()
 out.write(a)
out.write('\n')
out.close()