利用python从html中提取被div和span标签分割的表格数据
本教程演示如何使用Python和Beautiful Soup库从结构复杂的HTML代码中提取表格数据,这些数据分散在不同的div和span标签中。
安装Beautiful Soup库
首先,确保已安装Beautiful Soup库:
pip install beautifulsoup4
代码实现
立即学习“Python免费学习笔记(深入)”;
以下代码片段展示了整个数据提取过程:
from bs4 import BeautifulSoup html_doc = """ <div class="all hs_list" id="articlelistnew"> <div class="dheader"> 阅读评论 标题 作者 最后更新 </div> <div class="articleh normal_post"> 471 2 ... ... 09-12 00:09 </div> <div class="articleh normal_post"> 603 3 ... ... 09-11 16:01 </div> </div>""" soup = BeautifulSoup(html_doc, 'html.parser') # 由于示例HTML中缺少span标签,以下代码做了修改,直接从div中提取数据 table_rows = soup.find_all('div', class_='articleh') # 假设表格有5列数据 num_cols = 5 table_data = [] for row in table_rows: row_data = row.text.split() # 使用空格分割数据 if len(row_data) >= num_cols: # 确保数据足够 table_data.append(row_data[:num_cols]) # 只取前5列数据 print(table_data)
代码说明:
改进建议:
为了使代码更健壮,建议根据实际HTML结构调整数据提取逻辑。如果HTML结构包含span标签,则需要修改代码以使用find_all('span', class_='...')来定位特定的span标签,并提取其文本内容。 此外,可以添加错误处理机制,例如检查数据长度是否符合预期,以避免因HTML结构变化导致的错误。 如果数据并非空格分隔,则需要根据实际分隔符修改split()方法的参数。
以上就是如何用Python从HTML中提取由div和span标签分割的表格数据?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