python将html转换成excel_Python将HTML格式文件中字段提取到EXCEL表的方法

首先不需要关心HTML格式文件具体是什么内容(电子病历还是其他网页啥的)，这篇主要内容是介绍如何用Python批量处理HTML格式文件、TXT格式文件，以及Python字典列表导出到EXCEL的一种解决方法。

我的原始数据是200+条HTML格式的入院记录

如上图所示，我关心的内容都在这些P标签里面

首先用BeautifulSoup包来处理HTML内容，提取到TXT文件如图所示

from bs4 importBeautifulSoupimportre#创建BeautifulSoup对象

bs=BeautifulSoup(open('D:/rxa/1.html'),features='lxml')#获取所有文字内容#print(soup.get_text())

#获取所有p标签的文字内容，写入TXT文件

for item in bs.find_all("p"):

ptxt=re.sub('\s', ' ', item.get_text())

with open('d:/testvs/cutwords/test2.txt', 'a',encoding='utf-8') as f:

f.write(ptxt+'\n')

观察发现，这些属性都是由“：”分隔的，可以作为切分的依据。我想到在C#里面，我会定义一个类，比如“病人类”，然后“年龄、入院日期、婚否......”这些都可以作为类的属性传