python读取html文件中的表格数据_使用解析html表pd.read_html文件其中单元格本身包含完整表...

不能使用^{}读取嵌套表,但可以滚动自己的html阅读器,并对表单元格使用read_html:import pandas as pd

import bs4

with open('up_pf00344.test.html') as f:

html = f.read()

soup = bs4.BeautifulSoup(html, 'lxml')

results = soup.find(attrs = {'id': 'results'})

# get first visible header row as dataframe headers

for row in results.thead.find_all('tr'):

if 'display:none' not in row.get('style',''):

df = pd.DataFrame(columns=[col.get_text() for col in row.find_all('th')])

break

# append all table rows to dataframe

for row in results.tbody.find_all('tr', recursive=False):

if 'display:none' in row.get('style',''):

continue

df_row = []

for col in row.find_all('td', recursive=False):

table = col.find_all('table')

df_row.append(pd.read_html(str(col))[0] if table else col.get_text())

df.loc[len(df)] = df_row

df.iloc[0].map(type)的结果:

^{pr2}$

好处:由于表行有一个id,因此可以将其用作数据帧df.loc[row.get('id')] = df_row的索引,而不是df.loc[len(df)] = df_row。在

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值