Question

我已经用此代码解析了表

response = urllib.request.urlopen(url)
html = response.read()
soup = BeautifulSoup(html, 'html.parser')
table = soup.find("table", attrs={"class":"table table-condensed table-bordered"})

datasets = []
for row in table.find_all("tr")[1:]:
    dataset = (td.get_text() for td in row.find_all("td"))
    print (tuple(dataset))
    datasets.append(dataset)
print("___________________________________\n")
print(tuple(dataset))
print("___________________________________\n")
print("parsing\n")

它给出了

('A1 ', '- ', '- ', '- ', '- ', ' -\n ')
('A2', '- ', '- ', '- ', '- ', ' -\n ')
('A3', '- ', '- ', '- ', '- ', ' -\n ')
('A4', ' 1 W ', ' 50.1 Hz ', ' 0 V ', ' 24 Â°C ', ' 2018-09-12 19:05:49\n ')
('A5', ' 1 W ', ' 0 V ')

结果数据集为空

()

我想将结果存储在Array中，这样我就可以访问每一行/列，但是找出来

if datasets[3][0]=='A4' print (datasets[3][2])

为什么如果我更改代码并删除打印（元组（数据集）），代码会更好地工作（尽管不是我期望的那样），但是我可以填充数据集，而不能像以前那样是空的数据集：

datasets = []
for row in table.find_all("tr")[1:]:
    #dataset = dict(zip(headings, (td.get_text() for td in row.find_all("td"))))
    dataset = (td.get_text() for td in row.find_all("td"))
    datasets.append(dataset)
    #print (tuple(dataset))

print("___________________________________\n")
print(list(datasets[3]))
print(list(datasets[4]))

Answer 1

问题在于该语句：

dataset = (td.get_text() for td in row.find_all("td"))

返回生成器表达式。从某种意义上说，这就像一个迭代器，一旦您迭代到最后，您将消耗掉生成器。进一步访问生成器将不会再返回任何内容。

当您将数据集的内容打印为元组时，这将消耗数据，因此当您追加时，将一无所有。删除打印语句会使您离得更近，但是您仍在使用生成器，而您想要的是实际数据。

现在，尝试将上面的行更改为：

dataset = tuple(td.get_text() for td in row.find_all("td"))

或者只是将封闭的（）更改为[]以使其成为列表理解：

dataset = [td.get_text() for td in row.find_all("td")]

这将使用生成器表达式，但会为您提供元组或列表中的数据值，您可以一次又一次地访问它们。将数据集元组添加到数据集时，它将包含您感兴趣的值。

Python解析表

1 个答案: