BeautifulSoup或正則表達式的HTML表格到數據結構？

我有一個HTML表格，我試圖從中解析信息。但是，有些表跨越多行/列，所以我想要做的就是使用像BeautifulSoup這樣的表來將表解析爲某種類型的Python結構。我想只是用一個列表的列表，所以我會變成類似BeautifulSoup或正則表達式的HTML表格到數據結構？

<tr> <td>1,1</td> <td>1,2</td> </tr> <tr> <td>2,1</td> <td>2,2</td> </tr>

到

[['1,1', '1,2'], ['2,1', '2,2']]

這一點我（覺得）應該是相當簡單的。但是，由於某些單元格跨越多行/列，因此會有一些輕微的複雜性。另外還有很多完全不必要的信息：

<td ondblclick="DoAdd('/student_center/sc_all_rooms/d05/09/2010/editformnew?display=W&amp;style=L&amp;positioning=A&amp;adddirect=yes&amp;accessid=CreateNewEdit&amp;filterblock=N&amp;popeditform=yes&amp;returncalendar=student_center/sc_all_rooms')" 
    class="listdefaultmonthbg" 
    style="cursor:crosshair;" 
    width="5%" 
    nowrap="1" 
    rowspan="1"> 
     <a class="listdatelink" 
      href="/student_center/sc_all_rooms/d05/09/2010/edit?style=L&amp;display=W&amp;positioning=A&amp;filterblock=N&amp;adddirect=yes&amp;accessid=CreateNewEdit">Sep 5</a> 
    </td>

而且代碼真的看起來更糟。我真正需要出有：

<td rowspan="1">Sep 5</td>

兩行後，有一個用17一個行跨度多行跨度，我想是這樣的：

<tr> 
    <td rowspan="2">Sep 5</td> 
    <td>Some event</td> 
</tr> 
<tr> 
    <td>Some other event</td> 
</tr>

將結束出這樣的：

[["Sep 5", "Some event"], 
[None, "Some other event"]]

有頁面上的多個表，我可以找到一個我想了，我只是不知道如何解析出我需要的信息。我知道我可以使用BeautfulSoup來「RenderContents」，但在某些情況下，我需要刪除鏈接標記（同時保留文本）。

我在想的過程是這樣的：

查找表
計數行的表
創建列表
解析表到列表（BeautifulSoup語法??（len(table.findAll('tr'))？）？）
???
利潤！（嗯，這是一個純粹的內部程序，所以不是真的...）

來源

2010-09-16 Wayne Werner

有關於類似問題的LinkedIn蟒集團最近的討論，顯然LXML是html頁面的最值得推薦的Python的解析器。

http://www.linkedin.com/groupItem?view=&gid=25827&type=member&item=27735259&qid=d2948a0e-6c0c-4256-851b-5e7007859553&goback=.gmp_25827

來源

2010-09-16 14:41:34 Meitham

LXML已經輕鬆了許多用至今。 – 2010-09-16 15:45:03

你可能需要確定一些ATTRS，ID或名稱表。

from BeautifulSoup import BeautifulSoup 

data = """ 
<table> 
<tr> 
    <td>1,1</td> 
    <td>1,2</td> 
</tr> 
<tr> 
    <td>2,1</td> 
    <td>2,2</td> 
</tr> 
</table> 
""" 

soup = BeautifulSoup(data) 

for t in soup.findAll('table'): 
    for tr in t.findAll('tr'): 
     print [td.contents for td in tr.findAll('td')]

編輯：如果有多個鏈接，程序應該做什麼？

例：

<td><a href="#">A</a> B <a href="#">C</a></td>

來源

2010-09-16 15:41:10 razpeitia

BeautifulSoup或正則表達式的HTML表格到數據結構？

回答

相關問題