phân tích cú pháp bảng HTML bằng cách sử dụng python - HTMLparser hoặc lxml

Tôi có một trang html bao gồm một bảng & Tôi muốn tìm nạp tất cả các giá trị trong td, tr trong bảng đó.
Tôi đã thử làm việc với beautifulsoup nhưng bây giờ tôi muốn làm việc trên lxml hoặc trình phân tích cú pháp HML với python.phân tích cú pháp bảng HTML bằng cách sử dụng python - HTMLparser hoặc lxml

Tôi đã đính kèm ví dụ.
Tôi muốn lấy giá trị như danh sách các tuple như

[ 
[(value of 2050 jan, value of main subject-part1-sub part1-subject1), (value of 2050 feb, value of main subject-part1-sub part1-subject1),... ], 
[(value of 2050 jan, value of main subject-part1-sub part1-subject2), (value of 2050 feb, value of main subject-part1-sub part1-subject2)... ] 
]

và vân vân.

Bất kỳ ai cũng có thể cho tôi biết cách xử lý theo cách "tối ưu" bằng cách sử dụng trình phân tích cú pháp lxml hoặc HTML python?

dụ: test.html

<HTML> 
<HEAD> 
<TITLE>Title</TITLE> 
</HEAD> 
<BODY> 
<TABLE BORDER> 
<TR ALIGN=LEFT> 
<TH COLSPAN=38>Main Subject</TH> 
</TR> 
<TR ALIGN=LEFT> 
<TH COLSPAN=2> </TH> 

<TH VALIGN=TOP COLSPAN=18>part1</TH> 
<TH VALIGN=TOP COLSPAN=18>part2</TH> 
</TR> 
<TR ALIGN=LEFT> 
<TH COLSPAN=2> </TH> 
<TH VALIGN=TOP COLSPAN=9>sub-part1</TH> 
<TH VALIGN=TOP COLSPAN=9>sub-part2</TH> 
<TH VALIGN=TOP COLSPAN=9>sub-part3</TH> 
<TH VALIGN=TOP COLSPAN=9>sub-part4</TH> 
</TR> 

<TR ALIGN=LEFT> 
<TH COLSPAN=2> </TH> 
<TH VALIGN=TOP COLSPAN=1>subject1</TH> 
<TH VALIGN=TOP COLSPAN=1>subject2</TH> 

<TH VALIGN=TOP COLSPAN=1>subject10</TH> 
<TH VALIGN=TOP COLSPAN=1>subject11</TH> 
<TH VALIGN=TOP COLSPAN=1>subject12</TH> 
<TH VALIGN=TOP COLSPAN=1>subject13</TH> 
<TH VALIGN=TOP COLSPAN=1>subject14</TH> 
<TH VALIGN=TOP COLSPAN=1>subject15</TH> 
<TH VALIGN=TOP COLSPAN=1>subject16</TH> 

<TH VALIGN=TOP COLSPAN=1>subject17</TH> 
<TH VALIGN=TOP COLSPAN=1>subject18</TH> 
<TH VALIGN=TOP COLSPAN=1>subject19</TH> 
<TH VALIGN=TOP COLSPAN=1>subject20</TH> 
<TH VALIGN=TOP COLSPAN=1>subject21</TH> 
<TH VALIGN=TOP COLSPAN=1>subject22</TH> 
<TH VALIGN=TOP COLSPAN=1>subject23</TH> 
<TH VALIGN=TOP COLSPAN=1>subject24</TH> 
<TH VALIGN=TOP COLSPAN=1>subject25</TH> 

<TH VALIGN=TOP COLSPAN=1>subject26</TH> 
<TH VALIGN=TOP COLSPAN=1>subject27</TH> 
<TH VALIGN=TOP COLSPAN=1>subject28</TH> 
<TH VALIGN=TOP COLSPAN=1>subject29</TH> 
<TH VALIGN=TOP COLSPAN=1>subject30</TH> 
<TH VALIGN=TOP COLSPAN=1>subject31</TH> 
<TH VALIGN=TOP COLSPAN=1>subject32</TH> 
<TH VALIGN=TOP COLSPAN=1>subject33</TH> 
<TH VALIGN=TOP COLSPAN=1>subject34</TH> 

<TH VALIGN=TOP COLSPAN=1>subject35</TH> 
<TH VALIGN=TOP COLSPAN=1>subject36</TH> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT VALIGN=TOP ROWSPAN=12>2050</TH> 
<TH ALIGN=LEFT>January</TH> 
<TD>0</TD> 
<TD>1</TD> 
<TD>3</TD> 
<TD>0</TD> 

<TD>4</TD> 
<TD>16</TD> 
<TD>0</TD> 
<TD>6</TD> 
<TD>2</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>0</TD> 

<TD>3</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>26</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>7</TD> 
<TD>0</TD> 

<TD>5</TD> 
<TD>6</TD> 
<TD>0</TD> 
<TD>8</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>0</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>February</TH> 
<TD>1</TD> 
<TD>0</TD> 

<TD>8</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>4</TD> 
<TD>1</TD> 
<TD>6</TD> 
<TD>1</TD> 
<TD>2</TD> 
<TD>0</TD> 

<TD>3</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>0</TD> 
<TD>25</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>1</TD> 

<TD>2</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>14</TD> 
<TD>1</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>March</TH> 

<TD>0</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>7</TD> 
<TD>0</TD> 
<TD>9</TD> 
<TD>2</TD> 

<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>9</TD> 
<TD>0</TD> 
<TD>45</TD> 
<TD>1</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>7</TD> 
<TD>0</TD> 
<TD>10</TD> 
<TD>16</TD> 
<TD>0</TD> 
<TD>5</TD> 
<TD>1</TD> 

<TD>1</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>0</TD> 

</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>April</TH> 
<TD>1</TD> 
<TD>0</TD> 
<TD>5</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>12</TD> 
<TD>1</TD> 

<TD>11</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>2</TD> 

<TD>34</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>6</TD> 
<TD>18</TD> 
<TD>1</TD> 

<TD>3</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>5</TD> 
<TD>1</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>May</TH> 
<TD>7</TD> 
<TD>0</TD> 
<TD>6</TD> 
<TD>0</TD> 
<TD>8</TD> 

<TD>4</TD> 
<TD>1</TD> 
<TD>13</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>1</TD> 

<TD>7</TD> 
<TD>1</TD> 
<TD>30</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>7</TD> 
<TD>0</TD> 
<TD>5</TD> 

<TD>12</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>6</TD> 
<TD>1</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>June</TH> 
<TD>0</TD> 
<TD>1</TD> 
<TD>14</TD> 

<TD>0</TD> 
<TD>7</TD> 
<TD>15</TD> 
<TD>0</TD> 
<TD>17</TD> 
<TD>1</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>5</TD> 

<TD>0</TD> 
<TD>1</TD> 
<TD>3</TD> 
<TD>0</TD> 
<TD>24</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>5</TD> 

<TD>0</TD> 
<TD>6</TD> 
<TD>13</TD> 
<TD>1</TD> 
<TD>9</TD> 
<TD>1</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>1</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>July</TH> 
<TD>0</TD> 

<TD>1</TD> 
<TD>6</TD> 
<TD>0</TD> 
<TD>8</TD> 
<TD>17</TD> 
<TD>1</TD> 
<TD>15</TD> 
<TD>2</TD> 
<TD>1</TD> 

<TD>0</TD> 
<TD>10</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>15</TD> 
<TD>2</TD> 
<TD>53</TD> 
<TD>0</TD> 
<TD>3</TD> 

<TD>3</TD> 
<TD>6</TD> 
<TD>0</TD> 
<TD>7</TD> 
<TD>16</TD> 
<TD>0</TD> 
<TD>9</TD> 
<TD>1</TD> 
<TD>1</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>0</TD> 
</TR> 

<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>August</TH> 
<TD>2</TD> 
<TD>0</TD> 
<TD>5</TD> 
<TD>0</TD> 
<TD>8</TD> 
<TD>15</TD> 
<TD>1</TD> 

<TD>17</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>5</TD> 
<TD>16</TD> 
<TD>0</TD> 

<TD>33</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>11</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>25</TD> 
<TD>4</TD> 

<TD>8</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>3</TD> 
<TD>0</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>September</TH> 
<TD>2</TD> 
<TD>0</TD> 
<TD>10</TD> 
<TD>0</TD> 
<TD>16</TD> 

<TD>22</TD> 
<TD>2</TD> 
<TD>19</TD> 
<TD>4</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>2</TD> 

<TD>8</TD> 
<TD>0</TD> 
<TD>27</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>8</TD> 
<TD>0</TD> 
<TD>11</TD> 

<TD>31</TD> 
<TD>1</TD> 
<TD>9</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>1</TD> 
<TD>1</TD> 
<TD>0</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>October</TH> 
<TD>3</TD> 
<TD>1</TD> 
<TD>8</TD> 

<TD>0</TD> 
<TD>4</TD> 
<TD>28</TD> 
<TD>0</TD> 
<TD>15</TD> 
<TD>2</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>1</TD> 

<TD>0</TD> 
<TD>1</TD> 
<TD>6</TD> 
<TD>0</TD> 
<TD>15</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>3</TD> 

<TD>0</TD> 
<TD>9</TD> 
<TD>26</TD> 
<TD>1</TD> 
<TD>8</TD> 
<TD>4</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
</TR> 
<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>November</TH> 
<TD>0</TD> 

<TD>3</TD> 
<TD>3</TD> 
<TD>0</TD> 
<TD>6</TD> 
<TD>23</TD> 
<TD>1</TD> 
<TD>8</TD> 
<TD>1</TD> 
<TD>2</TD> 

<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>7</TD> 
<TD>1</TD> 
<TD>20</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>8</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>18</TD> 
<TD>3</TD> 
<TD>7</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>0</TD> 
</TR> 

<TR ALIGN=RIGHT> 
<TH ALIGN=LEFT>December</TH> 
<TD>1</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>0</TD> 
<TD>4</TD> 
<TD>13</TD> 
<TD>2</TD> 

<TD>15</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>2</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>2</TD> 
<TD>0</TD> 

<TD>29</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>7</TD> 
<TD>0</TD> 
<TD>3</TD> 
<TD>20</TD> 
<TD>1</TD> 

<TD>13</TD> 
<TD>0</TD> 
<TD>1</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 
<TD>0</TD> 

<TD>3</TD> 
<TD>0</TD> 
</TR> 
</TABLE> 
</BODY> 
</HTML>

Nguồn

2012-03-29 self

+1 cho một câu hỏi may mắn tìm cách sử dụng các công cụ thích hợp cho HTML phân tích – bernie

Something như thế này nên làm việc:

>>> from lxml.html import parse 
>>> page = parse("test.html") 
>>> rows = page.xpath("body/table")[0].findall("tr") 
>>> data = list() 
>>> for row in rows: 
...  data.append([c.text for c in row.getchildren()]) 
... 
>>> for row in data[4:]: print(row) 
... 
['2050', 'January', '0', '1', '3', '0', '4', '16', '0', '6', '2', '2', '0', '3', '0', '3', '2', '0', '26', '1', '0', '0', '7', '0', '5', '6', '0', '8', '2', '0', '0', '0', '0', '0', '0', '0', '2', '0'] 
['February', '1', '0', '8', '0', '2', '4', '1', '6', '1', '2', '0', '3', '0', '0', '4', '0', '25', '0', '0', '1', '2', '0', '4', '14', '1', '1', '0', '0', '0', '0', '0', '0', '1', '0', '0', '0'] 
['March', '0', '0', '4', '0', '4', '7', '0', '9', '2', '1', '0', '0', '0', '2', '9', '0', '45', '1', '0', '0', '7', '0', '10', '16', '0', '5', '1', '1', '0', '1', '0', '0', '0', '0', '4', '0'] 
['April', '1', '0', '5', '0', '3', '12', '1', '11', '0', '3', '0', '3', '0', '0', '3', '2', '34', '0', '0', '1', '2', '0', '6', '18', '1', '3', '0', '0', '0', '0', '0', '0', '0', '0', '5', '1'] 
['May', '7', '0', '6', '0', '8', '4', '1', '13', '0', '0', '2', '2', '0', '1', '7', '1', '30', '0', '0', '0', '7', '0', '5', '12', '0', '4', '1', '0', '0', '0', '0', '0', '0', '0', '6', '1'] 
['June', '0', '1', '14', '0', '7', '15', '0', '17', '1', '2', '0', '5', '0', '1', '3', '0', '24', '0', '0', '0', '5', '0', '6', '13', '1', '9', '1', '1', '0', '0', '0', '0', '0', '0', '2', '1'] 
['July', '0', '1', '6', '0', '8', '17', '1', '15', '2', '1', '0', '10', '0', '2', '15', '2', '53', '0', '3', '3', '6', '0', '7', '16', '0', '9', '1', '1', '0', '0', '0', '0', '1', '0', '2', '0'] 
['August', '2', '0', '5', '0', '8', '15', '1', '17', '0', '2', '0', '2', '0', '5', '16', '0', '33', '0', '0', '0', '11', '0', '2', '25', '4', '8', '0', '0', '0', '1', '0', '0', '0', '0', '3', '0'] 
['September', '2', '0', '10', '0', '16', '22', '2', '19', '4', '2', '0', '0', '0', '2', '8', '0', '27', '0', '1', '0', '8', '0', '11', '31', '1', '9', '0', '0', '0', '1', '0', '0', '0', '1', '1', '0'] 
['October', '3', '1', '8', '0', '4', '28', '0', '15', '2', '1', '0', '1', '0', '1', '6', '0', '15', '0', '1', '0', '3', '0', '9', '26', '1', '8', '4', '0', '0', '0', '0', '0', '0', '0', '1', '0'] 
['November', '0', '3', '3', '0', '6', '23', '1', '8', '1', '2', '0', '1', '0', '3', '7', '1', '20', '0', '0', '0', '8', '0', '3', '18', '3', '7', '0', '0', '0', '0', '0', '0', '0', '0', '3', '0'] 
['December', '1', '0', '4', '0', '4', '13', '2', '15', '1', '0', '0', '2', '0', '1', '2', '0', '29', '0', '1', '0', '7', '0', '3', '20', '1', '13', '0', '1', '0', '0', '0', '0', '0', '0', '3', '0']

Bạn có thể sử dụng zip() để transpose bảng:

>>> d = data[4:] 
>>> d[0] = d[0][1:] 
>>> zip(*d) 
[('January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December'), ('0', '1', '0', '1', '7', '0', '0', '2', '2', '3', '0', '1'), ('1', '0', '0', '0', '0', '1', '1', '0', '0', '1', '3', '0'), ('3', '8', '4', '5', '6', '14', '6', '5', '10', '8', '3', '4'), ('0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0'), ('4', '2', '4', '3', '8', '7', '8', '8', '16', '4', '6', '4'), ('16', '4', '7', '12', '4', '15', '17', '15', '22', '28', '23', '13'), ('0', '1', '0', '1', '1', '0', '1', '1', '2', '0', '1', '2'), ('6', '6', '9', '11', '13', '17', '15', '17', '19', '15', '8', '15'), ('2', '1', '2', '0', '0', '1', '2', '0', '4', '2', '1', '1'), ('2', '2', '1', '3', '0', '2', '1', '2', '2', '1', '2', '0'), ('0', '0', '0', '0', '2', '0', '0', '0', '0', '0', '0', '0'), ('3', '3', '0', '3', '2', '5', '10', '2', '0', '1', '1', '2'), ('0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0'), ('3', '0', '2', '0', '1', '1', '2', '5', '2', '1', '3', '1'), ('2', '4', '9', '3', '7', '3', '15', '16', '8', '6', '7', '2'), ('0', '0', '0', '2', '1', '0', '2', '0', '0', '0', '1', '0'), ('26', '25', '45', '34', '30', '24', '53', '33', '27', '15', '20', '29'), ('1', '0', '1', '0', '0', '0', '0', '0', '0', '0', '0', '0'), ('0', '0', '0', '0', '0', '0', '3', '0', '1', '1', '0', '1'), ('0', '1', '0', '1', '0', '0', '3', '0', '0', '0', '0', '0'), ('7', '2', '7', '2', '7', '5', '6', '11', '8', '3', '8', '7'), ('0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0'), ('5', '4', '10', '6', '5', '6', '7', '2', '11', '9', '3', '3'), ('6', '14', '16', '18', '12', '13', '16', '25', '31', '26', '18', '20'), ('0', '1', '0', '1', '0', '1', '0', '4', '1', '1', '3', '1'), ('8', '1', '5', '3', '4', '9', '9', '8', '9', '8', '7', '13'), ('2', '0', '1', '0', '1', '1', '1', '0', '0', '4', '0', '0'), ('0', '0', '1', '0', '0', '1', '1', '0', '0', '0', '0', '1'), ('0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0'), ('0', '0', '1', '0', '0', '0', '0', '1', '1', '0', '0', '0'), ('0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0'), ('0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0', '0'), ('0', '1', '0', '0', '0', '0', '1', '0', '0', '0', '0', '0'), ('0', '0', '0', '0', '0', '0', '0', '0', '1', '0', '0', '0'), ('2', '0', '4', '5', '6', '2', '2', '3', '1', '1', '3', '3'), ('0', '0', '0', '1', '1', '1', '0', '0', '0', '0', '0', '0')]

Nguồn

2012-03-29 07:16:11 Kimvais

nhờ nhưng nếu tôi muốn các hàng trong cách thẳng đứng như tôi đã đề cập thì những gì chúng ta nên làm gì? – self

xem chỉnh sửa ở trên :) – Kimvais

thats osm ... ur gr8 !!! – self

Tôi không thể thêm nhận xét nhưng có thể hữu ích cho người khác:

Tôi đã có một số văn bản in nghiêng và in nghiêng trong các ô của bảng để c.text trả về None. Tôi đã từng c.text_content() thay vì như:

>>> from lxml.html import parse 
>>> page = parse("test.html") 
>>> rows = page.xpath("body/table")[0].findall("tr") 
>>> data = list() 
>>> for row in rows: 
...  data.append([c.text_content() for c in row.getchildren()]) 
...

Nguồn

2015-01-26 14:49:20 jayme

điều này đã giúp tôi lấy văn bản từ các thẻ '' bên trong td. Cảm ơn bạn. –

phân tích cú pháp bảng HTML bằng cách sử dụng python - HTMLparser hoặc lxml

Trả lời

Các vấn đề liên quan