我想从使用Python 2.7 + Windows保存的HTML网页中提取数据。Python BeautifulSoup从保存的HTML网页中提取表格
有多个保存的HTML网页,它们是相似的,每个包含一个5列的表格。行数不固定。
源代码如下所示:
text = '''
Supplier Code (Count=6, Record Count:86) (next page) | |||||
 | 3617 | German | EU | 2012 | 2013 |
 | 3617 | Belgium | EU | 2014 | 2015 |
…
…
…
…
…
'''
我要的是把表的内容,并把/它们保存在.xls文件。
我要做的就是:
soup = BeautifulSoup(text)
aa = soup.find_all('table')[0].tbody.find_all('tr')
for a in aa:
print a.text
它给所有的内容,但都在1线。
我想:
aa = soup.find_all(id = 'MainTable')
for a in aa:
for b in a.find_all(id = 'Row2'):
print b.text
它给出了具体的行的内容,但仍然在1号线。
3617BelgiumEU20142015
这是不够的,HTML文件中的行数不确定也是一个问题。
我想要的是“3617”,“比利时”,“欧盟”,“2014”和“2015”,以便我可以将它们保存在.xls文件中。
什么是最好的方式来提取表很好?
2015-07-22
Mark K