如何用BeautifulSoup从嵌套div和span标签的HTML中提取表格数据?

心靈之曲
发布: 2025-02-21 12:22:01
原创
740人浏览过

如何用BeautifulSoup从嵌套div和span标签的HTML中提取表格数据?

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>
登录后复制

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。

慧中标AI标书
慧中标AI标书

慧中标AI标书是一款AI智能辅助写标书工具。

慧中标AI标书 120
查看详情 慧中标AI标书

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速学教程(入门课程)
HTML速学教程(入门课程)

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!

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号