python - 使用 Python 2.7 使用 Beautiful Soup 提取并打印表头和数据

Question

所以我试图从 Michigan Department of Health and Human Services website 上的表中抓取数据使用 BeautifulSoup 4.0，我不知道如何正确格式化它。

我编写了下面的代码来从网站获取信息，但我不知道如何格式化它，以便在打印或另存为时它与网站上的表格具有相同的外观.txt/.csv 文件。我在这里和许多其他网站上查看了答案，但我不知道如何继续这个问题。我是一个初学者，因此我们将不胜感激。

我的代码只是打印一长串表行或表数据:

import urllib2
import bs4
from bs4 import BeautifulSoup

url = "https://www.mdch.state.mi.us/osr/natality/BirthsTrends.asp"
page = urllib2.urlopen(url)
soup = BeautifulSoup((page), "html.parser")

table = soup.find("table")
rows = table.find_all("tr")

for tr in rows:
    tds = tr.find_all('td')
    print tds

我正在查看的 HTML 也在下面:

<table border=0 cellpadding=3 cellspacing=0 width=640  align="center">
  <thead style="display: table-header-group;"> 
  <tr height=18  align="center"> 
     <th height=35 align="left" colspan="2">County</th>

     <th height="35" align="right">
     2005
     </th>

该部分将年份显示为标题，一直到 2015 年，然后州和县的数据进一步向下:

   <tr height="40" > 
      <th class="LeftAligned" colspan="2">Michigan</th>
 <td>
 127,518
 </td>

其余县以此类推。 再次强调，我们非常感谢任何帮助。

Answer 1

您需要将表格存储在列表中

import urllib2
import bs4
from bs4 import BeautifulSoup

url = "https://www.mdch.state.mi.us/osr/natality/BirthsTrends.asp"
page = urllib2.urlopen(url)
soup = BeautifulSoup((page), "html.parser")

table = soup.find("table")
rows = table.find_all("tr")

table_contents = []   # store your table here
for tr in rows:
    if rows.index(tr) == 0 : 
        row_cells = [ th.getText().strip() for th in tr.find_all('th') if th.getText().strip() != '' ]  
    else : 
        row_cells = ([ tr.find('th').getText() ] if tr.find('th') else [] ) + [ td.getText().strip() for td in tr.find_all('td') if td.getText().strip() != '' ] 
    if len(row_cells) > 1 : 
        table_contents += [ row_cells ]

现在table_contents与页面上的表格具有相同的结构和数据。