將html錶轉換爲字典而不會丟失結構

Question

我是第一次使用python（和編程）並使用BeautifulSoup。

我試圖找到解析HTML中的表格內容並將其轉換爲字典的最佳方式 - 理想情況下以最脆弱的方式。

這裏是我試圖解析的HTML的一個例子（我已經把文本的鍵值數字放到了我想要提取的地方）。

<div class="tablename"> 
<table border="0" cellpadding="0" cellspacing="0" style="border: 1px solid #dddddd; border-collapse: collapse; font-family: Arial, Helvetica, sans-serif; font-size: 14px; margin: 0; padding: 0; width: 100%"> 
<thead> 
<tr> 
<th colspan="4" style="background-color: #000; border: 1px solid #616161; color: #ffffff; font-size: 14px; font-weight: bold; line-height: 20px; padding: 14px 20px 12px 20px; text-align: left">Some text not needed</th> 
</tr> 
</thead> 
<tbody> 
<tr> 
<td style="width: 20px"> </td> 
<td style="border-bottom: 1px solid #dddddd; color: #666666; font-size: 14px; line-height: 20px; padding: 11px 20px 10px 0; text-align: left; width: 42.5%; vertical-align: middle">Key 1</td> 
<td style="border-bottom: 1px solid #dddddd; color: #000; font-size: 14px; line-height: 20px; padding: 11px 0 10px 0; text-align: left; vertical-align: middle">Value 1</td> 
<td style="width: 20px"> </td> 
</tr> 
<tr> 
<td> </td> 
<td style="border-bottom: 1px solid #dddddd; color: #666666; font-size: 14px; line-height: 20px; padding: 11px 20px 10px 0; text-align: left; vertical-align: middle">Key 2</td> 
<td style="border-bottom: 1px solid #dddddd; color: #000; font-size: 14px; line-height: 20px; padding: 11px 0 10px 0; text-align: left; vertical-align: middle">Value 2</td> 
<td> </td> 
</tr> 
<tr> 
<td> </td> 
<td style="border-bottom: 1px solid #dddddd; color: #666666; font-size: 14px; line-height: 20px; padding: 11px 20px 10px 0; text-align: left; vertical-align: middle">Key 3</td> 
<td style="border-bottom: 1px solid #dddddd; color: #000; font-size: 14px; line-height: 20px; padding: 11px 0 10px 0; text-align: left; vertical-align: middle">Value 3</td> 
<td> </td> 
</tr> 
<tr> 

和代碼我使用：

import requests 
from bs4 import BeautifulSoup 

html = requests.get('https://examplewebaddress.com') 
soup = BeautifulSoup(html.text) 
print(soup.tbody.text) 

然後我可以遍歷所有的soup.tbody.text字符串分割到這個鍵值對。但這似乎不是一個好方法，我似乎通過將表格轉換爲字符串而丟失了表格的結構，然後再將其重新構建到字典中。

有沒有更直接的方法來解析表BeautifulSoup（或更適合的東西）到一個字典，然後我可以使用？

Answer 1

的想法是迭代表的行和爲每一行中提取第二文本和第三細胞，將表示鍵和未來字典的值：

soup = BeautifulSoup(html.text) 

result = dict([[item.get_text(strip=True) for item in row.find_all('td')[1:3]] 
       for row in soup.select("div.tablename table tr")[1:]]) 

print result 

對於提供樣本數據，它打印：

{u'Key 1': u'Value 1', u'Key 2': u'Value 2', u'Key 3': u'Value 3'} 

div.tablename table tr是CSS selector，將匹配下具有元件所有tr元件以class="tablename"作爲父母。我們正在切分select（[1:]）的結果以跳過第一個標題行。