利用python从html中提取被div和span标签分割的表格数据
本教程演示如何使用Python和Beautiful Soup库从结构复杂的HTML代码中提取表格数据，这些数据分散在不同的div和span标签中。
安装Beautiful Soup库
首先，确保已安装Beautiful Soup库：
pip install beautifulsoup4
代码实现
立即学习“Python免费学习笔记（深入）”；
以下代码片段展示了整个数据提取过程：
from bs4 import BeautifulSouphtml_doc = """"""soup = BeautifulSoup(html_doc, 'html.parser')# 由于示例HTML中缺少span标签，以下代码做了修改，直接从div中提取数据table_rows = soup.find_all('div', class_='articleh')# 假设表格有5列数据num_cols = 5table_data = []for row in table_rows: row_data = row.text.split() # 使用空格分割数据 if len(row_data) >= num_cols: # 确保数据足够 table_data.append(row_data[:num_cols]) # 只取前5列数据print(table_data)阅读评论 标题 作者 最后更新471 2 ... ... 09-12 00:09603 3 ... ... 09-11 16:01
代码说明:
导入Beautiful Soup: from bs4 import BeautifulSoup 导入必要的库。HTML文档: html_doc 变量包含了目标HTML代码。 请注意: 原始示例HTML中缺少span标签，这使得直接使用span标签进行提取变得不可能。此代码已修改为从div标签中提取数据，并假设数据由空格分隔。解析HTML: soup = BeautifulSoup(html_doc, 'html.parser') 使用html.parser 解析HTML。查找行: table_rows = soup.find_all('div', class_='articleh') 找到所有包含表格数据的div元素。提取数据: 代码迭代每个table_rows，使用text.split()方法根据空格将文本内容分割成列表。 然后，只取前5个元素，以确保每行数据都包含5列。打印结果: print(table_data) 打印最终的表格数据，这是一个二维列表。
改进建议:
为了使代码更健壮，建议根据实际HTML结构调整数据提取逻辑。如果HTML结构包含span标签，则需要修改代码以使用find_all('span', class_='...')来定位特定的span标签，并提取其文本内容。 此外，可以添加错误处理机制，例如检查数据长度是否符合预期，以避免因HTML结构变化导致的错误。 如果数据并非空格分隔，则需要根据实际分隔符修改split()方法的参数。
以上就是如何用Python从HTML中提取由div和span标签分割的表格数据？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1560743.html
微信扫一扫 
支付宝扫一扫 
