Q1。有没有办法从表格中提取数据但仍能跟踪轴标题？ Q2。哪种方法更好地从html表中提取数据？ HTMLParser或beautifulsoup还是其他？
我试图提取这个收入表 http://investing.businessweek.com/research/stocks/financials/financials.asp?ticker=TSCO:LN
我想成为
“数百万英镑的货币”，“2009”，“2010”，“2011”，“2012”
“收入”，“53,898.0”，“56,910.0”，“60,455.0”，“64,539.0”
“TOTAL REVENUES”，“53,898.0”，“56,910.0”，“60,455.0”，“64,539.0”
与此同时，我想知道“56,910.0”是2009年的收入
但我遇到了两个问题：
HTMLParser.HTMLParseError：格式错误的开始标记，位于第1148行，第47列或 HTMLParser.HTMLParseError：错误结束标记：“”，第225行，第104列
无法跟踪轴标题
非常感谢
答案 0 :(得分：0)
我做了很多刮，而BeautifulSoup很少令人失望。
from BeautifulSoup import BeautifulSoup
URL = "http://investing.businessweek.com/research/stocks/financials/financials.asp?ticker=TSCO:LN"
from urllib import urlopen
HTML = urlopen ( URL )
soup = BeautifulSoup ( HTML )
statement = soup . find ( 'table', { 'class' : "financialStatement" } )
rows = statement . findAll ( 'tr' )
此时我认为您会发现行的长度为25，其第一项是标题，最后一行是所需表格的最后一行。