Questo dovrebbe essere abbastanza semplice se si dispone di una porzione di codice HTML da analizzare con BeautifulSoup. L'idea generale è di navigare verso la tabella usando il metodo findChildren, quindi è possibile ottenere il valore di testo all'interno della cella con la proprietà string.
>>> from BeautifulSoup import BeautifulSoup
>>>
>>> html = """
... <html>
... <body>
... <table>
... <th><td>column 1</td><td>column 2</td></th>
... <tr><td>value 1</td><td>value 2</td></tr>
... </table>
... </body>
... </html>
... """
>>>
>>> soup = BeautifulSoup(html)
>>> tables = soup.findChildren('table')
>>>
>>> # This will get the first (and only) table. Your page may have more.
>>> my_table = tables[0]
>>>
>>> # You can find children with multiple tags by passing a list of strings
>>> rows = my_table.findChildren(['th', 'tr'])
>>>
>>> for row in rows:
... cells = row.findChildren('td')
... for cell in cells:
... value = cell.string
... print "The value in this cell is %s" % value
...
The value in this cell is column 1
The value in this cell is column 2
The value in this cell is value 1
The value in this cell is value 2
>>>
fonte
2010-01-06 02:03:25
Questo era il trucco! Il codice ha funzionato e dovrei essere in grado di modificarlo secondo necessità. Grazie molto. Un'ultima domanda. Posso seguire il codice tranne quando cerchi nel tavolo i bambini th e tr. È semplicemente cercando nella mia tabella e restituendo sia l'intestazione della tabella che le righe della tabella? Se volessi solo le righe della tabella, potrei semplicemente cercare tr soltanto? molte grazie ancora! – Btibert3
Sì, '.findChildren (['th', 'tr'])' sta cercando elementi con tipo di tag 'th' o' tr'. Se vuoi solo trovare gli elementi 'tr' userai' .findChildren ('tr') '(nota non una lista, solo la stringa) –
Vale anche la pena notare che [PyQuery] (https://pythonhosted.org /pyquery/api.html) è davvero una bella alternativa a BeautifulSoup. –