BeautifulSoup，來自HTML表格的字典

下面是一個簡單的示例表：

t = '<html><table>' +\ 
    '<tr><td class="label"> a </td> <td> 1 </td></tr>' +\ 
    '<tr><td class="label"> b </td> <td> 2 </td></tr>' +\ 
    '<tr><td class="label"> c </td> <td> 3 </td></tr>' +\ 
    '<tr><td class="label"> d </td> <td> 4 </td></tr>' +\ 
    '</table></html>'

期望解析結果是{' a ': ' 1 ', ' b ': ' 2 ', ' c ': ' 3 ', ' d ' : ' 4' }

這是迄今爲止我最親密的嘗試：

for tr in s.findAll('tr'): 
    k, v = BeautifulSoup(str(tr)).findAll('td') 
    d[str(k)] = str(v)

結果是：

{'<td class="label"> a </td>': '<td> 1 </td>', '<td class="label"> d </td>': '<td> 4 </td>', '<td class="label"> b </td>': '<td> 2 </td>', '<td class="label"> c </td>': '<td> 3 </td>'}

我知道text=True參數的findAll()，但我沒有得到預期的結果，當我使用它。

我使用python 2.6和BeautifulSoup3。

來源

2012-08-10 jon

試試這個：

from BeautifulSoup import BeautifulSoup, Comment 

t = '<html><table>' +\ 
    '<tr><td class="label"> a </td> <td> 1 </td></tr>' +\ 
    '<tr><td class="label"> b </td> <td> 2 </td></tr>' +\ 
    '<tr><td class="label"> c </td> <td> 3 </td></tr>' +\ 
    '<tr><td class="label"> d </td> <td> 4 </td></tr>' +\ 
    '</table></html>' 

bs = BeautifulSoup(t) 

results = {} 
for row in bs.findAll('tr'): 
    aux = row.findAll('td') 
    results[aux[0].string] = aux[1].string 

print results

來源

2012-08-10 12:43:10 mvillaress

您可以按照同樣的方法爲mvillaress，但改進了一下，使用List Comprehensions：

from BeautifulSoup import BeautifulSoup 

t = '<html><table>' +\ 
    '<tr><td class="label"> a </td> <td> 1 </td></tr>' +\ 
    '<tr><td class="label"> b </td> <td> 2 </td></tr>' +\ 
    '<tr><td class="label"> c </td> <td> 3 </td></tr>' +\ 
    '<tr><td class="label"> d </td> <td> 4 </td></tr>' +\ 
    '</table></html>' 

bs = BeautifulSoup(t) 
tds = [row.findAll('td') for row in bs.findAll('tr')] 
results = { td[0].string: td[1].string for td in tds } 
print results

來源

2014-11-18 16:37:04 rjfv

如果你刮表中有一個明確的「 thead「和」tbody「，例如：

<table> 
    <thead> 
     <tr> 
      <th>Total</th> 
      <th>Finished</th> 
      <th>Unfinished</th> 
     </tr> 
    </thead> 
    <tbody> 
     <tr> <td>63</td> <td>33</td> <td>2</td> </tr> 
     <tr> <td>69</td> <td>29</td> <td>3</td> </tr> 
     <tr> <td>57</td> <td>28</td> <td>1</td> </tr> 
    </tbody> 
</table>

您可以使用以下方法：

headers = [header.text_content() for header in table.cssselect("thead tr th")] 
results = [{headers[i]: cell.text_content() for i, cell in enumerate(row.cssselect("td"))} for row in table.cssselect("tbody tr")]

這將產生：

[ 
    {"Total": "63", "Finished": "33", "Unfinished": "2"}, 
    {"Total": "69", "Finished": "29", "Unfinished": "3"}, 
    {"Total": "57", "Finished": "28", "Unfinished": "1"} 
]

附：這是使用lxml.html。如果您使用BeautifulSoup將「.text_content（）」替換爲「.string」和「.cssselect」替換爲「.findAll」。

來源

2014-11-30 15:27:31

BeautifulSoup，來自HTML表格的字典

回答

相關問題