Question

我是beautifulsoup和python的新手，我很确定这是一个死的简单问题，但我似乎无法解决它。

我试图循环遍历html表的行，基于＆＃34; header＆＃34;按糖果类型对表进行分组的行。我的表看起来像这样：

我希望循环获取每个糖果标题下的日期。所以迭代会得到这样的数据：

第一次循环迭代： candy_type：kitkat，位置：购物中心1，计划：63，实际：0，差异：25

第二次迭代： candy_type：kitkat，位置：购物中心2，计划：7，实际：0，差异：6

...最后一次迭代： candy_type：吃喝玩乐，位置：2号楼，计划：320，实际：236，差异：0

这是表格代码：

<TABLE BORDER="1" WIDTH="100%">
   <TR>
      <TH COLSPAN=4>Candy</TH>
   </TR>
   <TR BGCOLOR=#CEE3F6>
      <TD COLSPAN=4>
         <FONT  FACE=Arial>
            <center><b>KitKat</b></center>
         </FONT>
      </TD>
   </TR>
   <TR BGCOLOR=#336699>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>LOCATION</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>PLANNED</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>ACTUAL</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>DIFF</FONT></TD>
   </TR>
   <TR>
      <TD>Mall 1</TD>
      <TD>63</TD>
      <TD>0</TD>
      <TD>25</TD>
   </TR>
   <TR>
      <TD>Mall 2</TD>
      <TD>7</TD>
      <TD>0</TD>
      <TD>6</TD>
   </TR>
   <TR BGCOLOR=#CEE3F6>
      <TD COLSPAN=4>
         <FONT  FACE=Arial>
            <center><b>OH Henry</b></center>
         </FONT>
      </TD>
   </TR>
   <TR BGCOLOR=#336699>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>LOCATION</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>PLANNED</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>ACTUAL</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>DIFF</FONT></TD>
   </TR>
   <TR>
      <TD>Warehouse 1</TD>
      <TD>195</TD>
      <TD>122</TD>
      <TD>30</TD>
   </TR>
   <TR>
      <TD>Warehouse 2</TD>
      <TD>96</TD>
      <TD>76</TD>
      <TD>6</TD>
   </TR>
   <TR BGCOLOR=#CEE3F6>
      <TD COLSPAN=4>
         <FONT  FACE=Arial>
            <center><b>Skittles</b></center>
         </FONT>
      </TD>
   </TR>
   <TR BGCOLOR=#336699>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>LOCATION</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>PLANNED</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>ACTUAL</FONT></TD>
      <TD><FONT  COLOR=White FACE=Arial SIZE=-2>DIFF</FONT></TD>
   </TR>
   <TR>
      <TD>Building 1</TD>
      <TD>120</TD>
      <TD>90</TD>
      <TD>5</TD>
   </TR>
   <TR>
      <TD>Building 2</TD>
      <TD>320</TD>
      <TD>236</TD>
      <TD>0</TD>
   </TR>
</TABLE>

所以我试过

from bs4 import BeautifulSoup
import urllib

readUrl = urllib.urlopen('test.html').read()
soup = BeautifulSoup(readUrl)
candytype = soup.findAll('tr',{"bgcolor" : "#CEE3F6"})
for type in candytype:
    print type

这会打印出三种糖果类型：

<tr bgcolor="#CEE3F6">
<td colspan="4">
<font face="Arial">
</font><center><b>KitKat</b></center>
</td>
</tr>
<tr bgcolor="#CEE3F6">
<td colspan="4">
<font face="Arial">
</font><center><b>OH Henry</b></center>
</td>
</tr>
<tr bgcolor="#CEE3F6">
<td colspan="4">
<font face="Arial">
</font><center><b>Skittles</b></center>
</td>
</tr>

我以为我可以将糖果和＃34;标题组合在一起＃34; （即bgcolor设置为#CEE3F6）然后在此基础上迭代的tr元素，但我无法弄清楚如何进一步了解数据。

有什么想法吗？

Answer 1

找到所有行，然后遍历它们。当您找到一个包含糖果名称（按行的颜色）时，请保留该名称。现在确定该行的下一个兄弟姐妹。跳过第一个，这将是一个标题，但从td元素中捕获后续文本。你知道当你遇到不同糖果的名字时，你发现了最后一个兄弟姐妹（再次通过行的颜色）。

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup(open('justTable.htm').read(), 'lxml')
>>> trs = soup.findAll('tr')
>>> for tr in trs:
...     if 'bgcolor' in tr.attrs and tr.attrs['bgcolor']=='#CEE3F6':
...         candy = tr.text.strip()
...         first = True
...         for sibs in tr.fetchNextSiblings():
...             if first:
...                 first = False
...                 continue
...             if 'bgcolor' in sibs.attrs and sibs.attrs['bgcolor']=='#CEE3F6':
...                 break   
...             [candy]+sibs.text.strip().split('\n')
... 
['KitKat', 'Mall 1', '63', '0', '25']
['KitKat', 'Mall 2', '7', '0', '6']
['OH Henry', 'Warehouse 1', '195', '122', '30']
['OH Henry', 'Warehouse 2', '96', '76', '6']
['Skittles', 'Building 1', '120', '90', '5']
['Skittles', 'Building 2', '320', '236', '0']

python beautifulsoup循环遍历表格

1 个答案: