Question

我有一个字符串，其中包含通过html库提取的mechanize文件的源代码。 html文件将始终包含这样的表。我想将表格转换为CSV Format。

解决同一问题的几个SO问题都有一个带有类名的表。 但是我的表没有类属性。 那我该怎么办......？

<table border=1 cellPadding="2" cellSpacing="0" width="75%"  bordercolor="#000000" >

  <tr bgcolor="mediumblue">
    <td width="20%"><p align="center"><font face="Arial" color="white" size="2"><strong>SUB CODE</strong></font></p></td>
    <td width="26%"><p align="left"><font face="Arial" color="white" size="2"><strong>SUB NAME</strong></font></p></td>
    <td width="13%"><p align="left"><font face="Arial" color="white" size="2"><strong>THEORY</strong></font></p>  </td>
    <td width="10%"><p align="left"><font face="Arial" color="white" size="2"><strong>PRACTICAL</strong></font></p> </td>
    <td width="17%"><p align="left"><font face="Arial" color="white" size="2"><strong>MARKS</strong></font></p></td>
    <td width="14%"><p align="center"><font face="Arial" color="white" size="2"><strong>GRADE</strong></font></p></td>
  </tr>


  <tr bgColor="#ffffff">
    <td align="middle"><font face="Arial" size=2> 301</font></td>
    <td align="left" ><font face="Arial" size=2>ENGLISH CORE</font></td>
    <td align="left" ><font face="Arial" size=2>067</font></td>
    <td align="left" ><font face="Arial" size=2></font></td>
    <td align="left" ><font face="Arial" size=2>067&nbsp;&nbsp;&nbsp;&nbsp;</font></td>
    <td align="middle"><font face="Arial" size=2>C2</font></td>
  </tr>

  </table>

Answer 1

pandas有neat way to read html tables。

import pandas as pd

html_data = '''
<table border=1 cellPadding="2" cellSpacing="0" width="75%"  bordercolor="#000000" >

  <tr bgcolor="mediumblue">
    <td width="20%"><p align="center"><font face="Arial" color="white" size="2"><strong>SUB CODE</strong></font></p></td>
    <td width="26%"><p align="left"><font face="Arial" color="white" size="2"><strong>SUB NAME</strong></font></p></td>
    <td width="13%"><p align="left"><font face="Arial" color="white" size="2"><strong>THEORY</strong></font></p>  </td>
    <td width="10%"><p align="left"><font face="Arial" color="white" size="2"><strong>PRACTICAL</strong></font></p> </td>
    <td width="17%"><p align="left"><font face="Arial" color="white" size="2"><strong>MARKS</strong></font></p></td>
    <td width="14%"><p align="center"><font face="Arial" color="white" size="2"><strong>GRADE</strong></font></p></td>
  </tr>


  <tr bgColor="#ffffff">
    <td align="middle"><font face="Arial" size=2> 301</font></td>
    <td align="left" ><font face="Arial" size=2>ENGLISH CORE</font></td>
    <td align="left" ><font face="Arial" size=2>067</font></td>
    <td align="left" ><font face="Arial" size=2></font></td>
    <td align="left" ><font face="Arial" size=2>067&nbsp;&nbsp;&nbsp;&nbsp;</font></td>
    <td align="middle"><font face="Arial" size=2>C2</font></td>
  </tr>

  </table>
'''

print pd.read_html(html_data)[0].to_csv(index=False, header=False)

当html中的多个表位于何处时，您可以检查表的列名，以删除不需要的表。

使用python将html表转换为csv

1 个答案: