如何使用 BeautifulSoup 从 html 文件中提取 table 数据？

Question

我正在尝试清理一些数据，我必须准备好将其移入数据库。我不是职业程序员，所以这对我来说是全新的。我一直在搜索该站点，试图找到要尝试的示例代码。我找到了这个讨论，正如你所看到的，我试图让我的情况适应它： How to extract html table by using Beautifulsoup

<html>
<head>
<title>This the title.</title>
</head>
<body>
<center>
<br />
<br />
<h2>Test Case 1</h2>
</center>
<table align="center" border="1" cellpadding="0" cellspacing="1" width="650">
<tr>
<td>
<font size="1"> Cell Title 1</font>
<br /> </td>
<td>
<font size="1"> Cell Title 2</font>
<br /> </td>
<td>
<font size="1"> Cell Title 3</font>
<br /> 
<font size="2">Value</font></td>
<td>
<font size="1"> Cell Title4</font>
<br /> 
<font size="2">Value</font></td>

这里是错误：

Traceback (most recent call last): File "ExtractTest2.py", line 35, in print soup.find("td", {"size":"2"}).find_parent('table') AttributeError: 'NoneType' object has no attribute 'find_parent'

我的最终目标是打印出来

Cell Title X : Value

如果有一个值，因为会有一个单元格标题。

我哪里错了？

Answer 1

soup.find("td", {"size":"2"})

主要问题在这里 - HTML 中的 td 元素没有 size 属性。

相反，检查 font 元素上的 size。示例代码：

for title in soup.find_all("font", {"size": "1"}):
    value = title.find_next_sibling("font", {"size": "2"})

    print title.text, " | ", value.text if value else "No Value"

打印：

 Cell Title 1  |  No Value
 Cell Title 2  |  No Value
 Cell Title 3  |  Value
 Cell Title4  |  Value

如何使用 BeautifulSoup 从 html 文件中提取 table 数据？

How to extract table data from html file with BeautifulSoup?

html

python

beautifulsoup

html-parsing