python列表截取某些列_如何在python中获取html表的某些列

如果你没有跨距，这是很容易做到的。想象一下这样一张桌子：

A	B	C
1	2	3

它将呈现如下：

^{pr2}$

如果对表代码执行一些字符串操作，那么可以轻松地填充一个二维数据结构，从中可以提取列。我能想到的最简单的方法就是使用正则表达式。下面是一个小函数，它接受表代码(为了简单起见不带标记)并返回行列表。这些行以单元格列表的形式返回：import re

def htmlTableData(tblbody):

trs=re.findall(r'(?<=

).*?(?=)', tblbody)

content=[re.findall(r'(?<=

).*?(?=)', tr) for tr in trs]

return content

对于上面的示例表，它将返回以下列表：[['A', 'B', 'C'], ['1', '2', '3']]

现在，只需将其解压缩传递给zip函数(els是上面的列表)：columns=zip(*els)

它将返回列的列表，其中列是元组。在上面的示例中，它返回[('A', '1'), ('B', '2'), ('C', '3')]

请注意，在真正的抓取程序中不会真正使用这个。这是一个简单的例子来说明如何做到这一点。在现实世界中，您经常有不正确的代码，这些代码永远无法以这种方式进行解析。如果要进行屏幕抓取，可以使用解析器来获取表的内容，但可以通过这种方式压缩它来获取列。在