提取 HTML 文件中的特定元素并插入到 CSV 中

Question

我有一个 HTML table 存储在一个文件中。我想从具有如下属性的 table 中获取每个 td 值：

<td describedby="grid_1-1" ... >Value for CSV</td>
<td describedby="grid_1-1" ... >Value for CSV2</td>
<td describedby="grid_1-1" ... >Value for CSV3</td>
<td describedby="grid_1-2" ... >Value for CSV4</td>

我想将其放入 CSV 文件中，每个新值在 CSV 文件中占据一个新行。

因此对于上面的文件，生成的 CSV 将是：

Value for CSV
Value for CSV2
Value for CSV3

如="grid_1-2"所述，CSV4 值将被忽略，而不是"grid_1-1"。

所以我已经尝试过了，但是无论我尝试什么，似乎 (a) 每个打印行之间有一个空行 (b) 逗号分隔每个字符。

所以印刷品更像是：

V,a,l,u,e,f,o,r,C,S,V,

V,a,l,u,e,f,o,r,C,S,V,2

我现在做了什么傻事？

谢谢:)

import csv
import os
from bs4 import BeautifulSoup

with open("C:\Users\ADMIN\Desktop\test.html", 'r') as orig_f:
    soup = BeautifulSoup(orig_f.read())
    results = soup.findAll("td", {"describedby":"grid_1-1"})
    with open('C:\Users\ADMIN\Desktop\Deploy.csv', 'wb') as fp:
        a = csv.writer(fp, delimiter=',')
        for result in results :
            a.writerows(result)

Answer 1

如果结果是列表中的字符串，您需要将其包装在列表中，因为 writerows 需要可迭代的可迭代对象并遍历字符串：

a.writerows([result]) <- wrap in a list

在您的情况下，您应该使用 writerow 并从结果中的每个 td 标记中提取文本：

  a.writerow([result.text]) # write the text from td element

您的结果列表中包含所有 td 标签，因此您只需要使用 .text 提取文本。

Answer 2

使用 lxml 和 csv 模块。

通过lxml的xpath()方法获取属性describedby值为grid_1-1的所有td文本值。
以写入模式打开 csv 文件。
通过writerow()方法

代码：

content = """
<body>
<td describedby="grid_1-1">Value for CSV</td>
<td describedby="grid_1-1">Value for CSV2</td>
<td describedby="grid_1-1">Value for CSV3</td>
<td describedby="grid_1-2">Value for CSV4</td>
</body>
"""
from lxml import etree
import csv
root = etree.fromstring(content)
l = root.xpath("//td[@describedby='grid_1-1']/text()")

with open('/home/vivek/Desktop/output.csv', 'wb') as fp:
     a = csv.writer(fp, delimiter=',')
     for i in l :
         a.writerow([i, ])

输出：

Value for CSV
Value for CSV2
Value for CSV3
Value for CSV4

提取 HTML 文件中的特定元素并插入到 CSV 中

Extracting particular element in HTML file and inserting into CSV

html

python

csv

beautifulsoup

pycharm