我目前在尝试将表格解析为数组时遇到一些问题。
我有一个简单的表格 ( HERE ),我需要使用 BS4 对其进行解析并将单元格内容放入一个数组中。让事情变得困难的是单元格不包含文本,而是包含具有这些标题的图像: “确认”或“站点”——这只是用户权利的东西。 [我正在跳过包含复选框的第一行,那些我可以毫无问题地提取]
如果你看上面的 fiddle ,我需要做的就是以这样的方式解析它,使得结果数组变成:
Array1[0] = User1,Confirm,Confirm,Site,Confirm
Array1[1] = User2,Confirm,Confirm,Confirm,Confirm
Array1[2] = User3,Confirm,Confirm,Confirm,Confirm
Array1[3] = User4,Confirm,Site,Site,Confirm
然后我可以随心所欲地做。 另一个复杂问题是,有时行数会有所不同,因此脚本应该能够适应这种情况并从表中递归创建数组。
目前 StackOverflow 是我唯一的希望。在过去的 10 个小时里,我自己做了这件事,但几乎没有成功,坦率地说,我已经失去了希望。最近我得到的东西是提取封闭的标签,但由于一些奇怪的原因无法进一步解析,也许是 bs4 的嵌套限制?任何人都可以看看,看看他们是否能找到这样做的方法?或者至少解释一下如何到达那里?
变量解释: rightml - 餐 table 上的汤。
allusers = []
rows = rightml.findAll('tr')
for tr in rows:
cols = tr.findAll('td')
for td in cols:
if (td.find(title="Group")) or (td.find(title="User")):
text = ''.join(td.text.strip())
allusers.append(text)
print allusers
gifrights = []
rows7 = rightml.findAll('td')
#print rows7
for tr7 in rows:
cols7 = tr7.findAll('img')
for td7 in cols7:
if (td7.find(title="Confirm")) or (td7.find(title="Site")):
text = ''.join(td7.text.strip())
text2 = text.split(' ')
print text2
gifrights.append(text2)
我可能无法使用此代码..但我已经在大学尝试过它了。
最佳答案
这样的事情会有效吗:
rows = soup.find('tbody').findAll('tr')
for row in rows:
cells = row.findAll('td')
output = []
for i, cell in enumerate(cells):
if i == 0:
output.append(cell.text.strip())
elif cell.find('img'):
output.append(cell.find('img')['title'])
elif cell.find('input'):
output.append(cell.find('input')['value'])
print output
输出如下:
[u'Logged-in users', u'True', u'True', u'True', u'True']
[u'User 1', u'Confirm', u'Confirm', u'Site', u'Confirm']
[u'User 2', u'Confirm', u'Confirm', u'Confirm', u'Confirm']
[u'User 3', u'Confirm', u'Confirm', u'Confirm', u'Confirm']
[u'User 4', u'Confirm', u'Site', u'Site', u'Confirm']
关于python - 美汤,html表格解析,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12901066/