Question

我通过使用beautifulsoup这样获得html表。

alltable = bt.find_all('table')
print(alltable)

它显示这样的输出。

[<table>
<thead>
<tr><th>ID</th><th>Name</th><th>User</th></tr>
</thead>
<tbody>

<tr valign="TOP">
<td><a href="/printers/PDF">PDF</a>-1 </td>
<td>Test </td>
<td>User1 </td>
</tr>

<tr valign="TOP">
<td><a href="/printers/PDF">PDF</a>-2 </td>
<td>Test </td>
<td>User1 </td>
</tr>

<tr valign="TOP">
<td><a href="/printers/PDF">PDF</a>-3 </td>
<td>Document1 </td>
<td>User1 </td>
</tr>

</tbody>
</table>]

我将html表读取到数据框并像这样打印。

df = pd.read_html(str(alltable))
print(df['Name'])

它显示这样的错误。

TypeError: list indices must be integers or slices, not str

如何修复？

Answer 1

Panda's read_html返回DataFrame对象的列表-而不是单个DataFrame对象。就您而言，您需要索引到列表的唯一元素：

>>> df[0]['Name']
0         Test
1         Test
2    Document1
Name: Name, dtype: object

Answer 2

此pd.read_html（）函数搜索表元素，并且仅搜索表中每个（tr）或（th）元素内的（tr）和（th）行以及（td）元素。 td代表“表格数据”。

此函数将始终返回DataFrame对象的列表，否则将失败。

（这里是这种情况，因为当pd.read_html需要df对象列表时，您使用df ['Name']调用单个Dataframe对象。）

因此问题是您正在使用df ['Name']调用单个Dataframe对象，并且需要在第一个位置[0]索引该元素，该位置应包含现有Dataframe对象的列表。

替换

df['Name'] #only accessing a single Pandas Dataframe object

使用

df[0]['Name'] # Now indexing first position/element to uncover list of db objects

这将是pd.read_html唯一可以成功返回第一个索引位置[0]的数据帧对象列表的地方。

希望这会有所帮助。这里是熊猫pd.read_html（）函数的文档链接。 https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.read_html.html

熊猫将html表读取到数据框无法打印

2 个答案: