解析列表中的数据python_将html数据解析成python列表进行操作

我会采取完全不同的方法。我们使用LXML来抓取html页面

我们切换的原因之一是因为BS有一段时间没有被维护，或者我应该说是更新了。在

在我的测试中，我运行了以下内容import requests

from lxml import html

from collections import OrderedDict

page_as_string = requests.get('http://www.marketwatch.com/investing/stock/goog/financials').content

tree = html.fromstring(page_as_string)

现在我看了一下页面，我看到数据分为两个表。既然你要EPS，我注意到它在第二个表中。我们可以编写一些代码以编程的方式解决这个问题，但我将留给您。在

^{pr2}$

现在我注意到第一行有列标题，所以我想将所有行分开table_rows = [ e for e in eps_table.iter() if e.tag == 'tr']

现在让我们获取列标题：column_headings =[ e.text_content() for e in table_rows[0].iter() if e.tag == 'th']

最后，我们可以将列标题映射到行标签和单元格值my_results = []

for row in table_rows[1:]:

cell_content = [ e.text_content() for e in row.iter() if e.tag == 'td']

temp_dict = OrderedDict()

for numb, cell in enumerate(cell_content):

if numb == 0:

temp_dict['row_label'] = cell.strip()

else:

dict_key = column_headings[numb]

temp_dict[dict_key] = cell

my_results.append(temp_dict)

现在来查看结果for row_dict in my_results:

if row_dict['row_label'] == 'EPS (Basic)':

for key in row_dict:

print key, ':', row_dict[key]

row_label : EPS (Basic)

2008 : 13.46

2009 : 20.62

2010 : 26.69

2011 : 30.17

2012 : 32.81

5-year trend :

现在还有更多的事情要做，例如我没有测试平方(每行中的单元格数相等)。在

最后，我是一个新手，我怀疑其他人会建议更直接的方法来获取这些元素(xPath或cssselect)，但这确实有效，它以一种良好的结构化方式从表中获取所有内容。在

我应该补充一点，表中的每一行都是可用的，它们是按原始行顺序排列的。my_results列表中的第一项(字典)包含第一行的数据，第二项包含第二行的数据等

当我需要一个新版本的lxml时，我会访问一个由一个非常好的人维护的页面UC-IRVINE

我希望这有帮助