BeautifulSoup或正则表达式的HTML表格到数据结构？

我有一个HTML表格，我试图从中解析信息。但是，有些表跨越多行/列，所以我想要做的就是使用像BeautifulSoup这样的表来将表解析为某种类型的Python结构。我想只是用一个列表的列表，所以我会变成类似BeautifulSoup或正则表达式的HTML表格到数据结构？

<tr> <td>1,1</td> <td>1,2</td> </tr> <tr> <td>2,1</td> <td>2,2</td> </tr>

到

[['1,1', '1,2'], ['2,1', '2,2']]

这一点我（觉得）应该是相当简单的。但是，由于某些单元格跨越多行/列，因此会有一些轻微的复杂性。另外还有很多完全不必要的信息：

<td ondblclick="DoAdd('/student_center/sc_all_rooms/d05/09/2010/editformnew?display=W&amp;style=L&amp;positioning=A&amp;adddirect=yes&amp;accessid=CreateNewEdit&amp;filterblock=N&amp;popeditform=yes&amp;returncalendar=student_center/sc_all_rooms')" 
    class="listdefaultmonthbg" 
    style="cursor:crosshair;" 
    width="5%" 
    nowrap="1" 
    rowspan="1"> 
     <a class="listdatelink" 
      href="/student_center/sc_all_rooms/d05/09/2010/edit?style=L&amp;display=W&amp;positioning=A&amp;filterblock=N&amp;adddirect=yes&amp;accessid=CreateNewEdit">Sep 5</a> 
    </td>

而且代码真的看起来更糟。我真正需要出有：

<td rowspan="1">Sep 5</td>

两行后，有一个用17一个行跨度多行跨度，我想是这样的：

<tr> 
    <td rowspan="2">Sep 5</td> 
    <td>Some event</td> 
</tr> 
<tr> 
    <td>Some other event</td> 
</tr>

将结束出这样的：

[["Sep 5", "Some event"], 
[None, "Some other event"]]

有页面上的多个表，我可以找到一个我想了，我只是不知道如何解析出我需要的信息。我知道我可以使用BeautfulSoup来“RenderContents”，但在某些情况下，我需要删除链接标记（同时保留文本）。

我在想的过程是这样的：

查找表
计数行的表
创建列表
解析表到列表（BeautifulSoup语法??（len(table.findAll('tr'))？）？）
???
利润！（嗯，这是一个纯粹的内部程序，所以不是真的...）

来源

2010-09-16 Wayne Werner

有关于类似问题的LinkedIn蟒集团最近的讨论，显然LXML是html页面的最值得推荐的Python的解析器。

http://www.linkedin.com/groupItem?view=&gid=25827&type=member&item=27735259&qid=d2948a0e-6c0c-4256-851b-5e7007859553&goback=.gmp_25827

来源

2010-09-16 14:41:34 Meitham

LXML已经轻松了许多用至今。 – 2010-09-16 15:45:03

你可能需要确定一些ATTRS，ID或名称表。

from BeautifulSoup import BeautifulSoup 

data = """ 
<table> 
<tr> 
    <td>1,1</td> 
    <td>1,2</td> 
</tr> 
<tr> 
    <td>2,1</td> 
    <td>2,2</td> 
</tr> 
</table> 
""" 

soup = BeautifulSoup(data) 

for t in soup.findAll('table'): 
    for tr in t.findAll('tr'): 
     print [td.contents for td in tr.findAll('td')]

编辑：如果有多个链接，程序应该做什么？

例：

<td><a href="#">A</a> B <a href="#">C</a></td>

来源

2010-09-16 15:41:10 razpeitia

BeautifulSoup或正则表达式的HTML表格到数据结构？

回答

相关问题