
本文演示如何利用beautifulsoup库从包含嵌套div和span标签的html代码中提取表格数据。beautifulsoup是一个强大的库,用于解析和处理xml和html文档。
以下步骤将指导您如何使用BeautifulSoup实现这一目标:
<code class="python">from bs4 import BeautifulSoup
import pandas as pd
html = """
<div class="all hs_list" id="articlelistnew">
<div class="dheader">
<span>阅读</span><span>评论</span><span>标题</span>
<span>作者</span>
<span>最后更新</span>
</div>
<div class="articleh normal_post">
<span>471</span>
<span>2</span>
<span>...</span>
<span>...</span>
<span>09-12 00:09</span>
</div>
<div class="articleh normal_post">
<span>603</span>
<span>3</span>
<span>...</span>
<span>...</span>
<span>09-11 16:01</span>
</div>
</div>
"""
soup = BeautifulSoup(html, 'html.parser')
# 获取表头
headers = [th.text.strip() for th in soup.select("div.dheader span")]
# 获取表格数据行
rows = [[td.text.strip() for td in row.select("span")] for row in soup.select("div.articleh")]
# 创建Pandas DataFrame
df = pd.DataFrame(rows, columns=headers)
# 打印DataFrame
print(df)</code>这段代码首先使用BeautifulSoup解析HTML,然后利用select方法分别提取表头和数据行。 text.strip()用于去除多余的空格。最后,使用pandas库将数据转换成易于阅读和操作的DataFrame格式并打印输出。 请注意,此示例假设表格数据都包含在<span></span>标签中。 如果HTML结构不同,需要相应调整select方法的选择器。
以上就是如何用BeautifulSoup从嵌套div和span标签的HTML中提取表格数据?的详细内容,更多请关注php中文网其它相关文章!
HTML怎么学习?HTML怎么入门?HTML在哪学?HTML怎么学才快?不用担心,这里为大家提供了HTML速学教程(入门课程),有需要的小伙伴保存下载就能学习啦!
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号