Question

我正在尝试导入一系列HTML文件，其中包含已保存在工作目录中的新闻报道。我使用一个HTML文件开发了代码，并且运行良好。但是，此后我修改了代码以导入多个文件。

从下面的代码中可以看到，我正在使用pandas和pd.read_html（）。它不再导入任何文件，并给我错误代码“ ValueError：未找到表”。

我尝试使用不同类型的HTML文件，因此似乎并不是问题所在。我还更新了我正在使用的所有软件包。我正在Anaconda Navigator中使用OSX，Python 3.6和Pandas 0.20.3。

它正在工作，但现在没有。我究竟做错了什么？

任何提示或线索将不胜感激。

import pandas as pd
from os import listdir
from os.path import isfile, join, splitext
import os

mypath = 'path_to_my_wd'

raw_data = [f for f in listdir(mypath) if (isfile(join(mypath, f)) and splitext(f)[1]=='.html')]

news = pd.DataFrame()

for htmlfile in raw_data:
    articles = pd.read_html(join(mypath, htmlfile), index_col=0) #reads file as html
    data = pd.concat([art for art in articles if 'HD' in art.index.values], 
    axis=1).T.set_index('AN')
    data_export = pd.DataFrame(data, columns=['AN', 'BY', 'SN', 'LP', 'TD']) 
    #selects columns to export
    news = news.append(data_export)

Answer 1

HTML文件的格式略有不同，我需要将sort=False传递给pd.concat()：data = pd.concat([art for art in articles if 'HD' in art.index.values], sort=False, axis=1).T.set_index('AN')这是Pandas 0.23.0版的新功能。那解决了问题。

'ValueError：未找到表'：Python pd.read_html未加载输入文件

1 个答案: