如何在Python中处理包含合并(colspan = 2)列的html表(最好使用Beautifulsoup)？
在Python中使用BeautifulSoup处理包含合并列的HTML表可以按照以下步骤进行：
- 导入必要的库：
from bs4 import BeautifulSoup- 读取HTML文件或者HTML字符串：
# 读取HTML文件
with open('file.html', 'r') as f:
html = f.read()
# 或者直接使用HTML字符串
html = '''
<html>
...
</html>
'''- 创建BeautifulSoup对象：
soup = BeautifulSoup(html, 'html.parser')- 定位包含合并列的表格：
table = soup.find('table')- 遍历表格的行和列，处理合并列的情况：
# 遍历表格的行
for row in table.find_all('tr'):
# 获取行中的所有单元格
cells = row.find_all(['td', 'th'])
# 遍历单元格
for cell in cells:
# 获取合并列的数量
colspan = int(cell.get('colspan', 1))
# 处理合并列的情况
if colspan > 1:
# 获取合并列的内容
content = cell.get_text()
# 在后续行中删除合并列的单元格
for i in range(1, colspan):
next_cell = cell.find_next_sibling(['td', 'th'])
next_cell.extract()
# 将合并列的内容添加到下一行的单元格中
next_cell.string = content- 输出处理后的HTML表格：
print(table.prettify())这样就可以使用BeautifulSoup在Python中处理包含合并列的HTML表了。请注意，以上代码仅处理了合并列的情况，如果还需要处理其他表格操作，可以根据具体需求进行扩展。
相关·内容
我用的是python2.7，很漂亮的汤。我有一个本地html文件，我想通过在表中添加新的行来插入信息。 在网上搜索后，我能够选择正确的表，其中没有id。 import requests
from bs4 import BeautifulSoup
soup = BeautifulSoup(open('./result.html'), 'html.parser')
table = soup.find(text="Beta").find_parent("table")
for row in table.find_all("
浏览 12提问于2019-09-06得票数 3
回答已采纳
3回答
所以我有以下代码：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
html = '</p></td></tr><tr><td colspan="3"> Data I want </td></tr><tr> <td colspan="3"> Data I want </td> </tr> <tr&g
浏览 2提问于2016-02-18得票数 2
我有一个美丽的汤模块和重新模块的问题。我正在尝试编写一个python脚本，该脚本自动将HTML代码转换为乳胶代码。要绘制表，我必须首先读取rowspan和colspan等HTML代码中的各种表属性。下面是HTML代码中的表：
<html>
<body>
<table border = "1">
<tr>
<td>Name</td>
<td colspan="2">Alice</td>
<
浏览 0提问于2020-05-29得票数 0
回答已采纳
1回答
你好，我对用python和beautifulsoup4解析html表非常陌生。在我遇到这个奇怪的表之前，一切都进行得很顺利，该表在表的中间使用了'th‘标记，导致我的解析退出并抛出一个'index超出范围’的错误。我试过搜索所以谷歌都没有用。问题是，在解析表时，我将如何忽略或删除这个流氓'th‘标记？
下面是我到目前为止掌握的代码：
from mechanize import Browser
from bs4 import BeautifulSoup
mech = Browser()
url = 'https://www.moscone.com/site/do
浏览 1提问于2014-11-02得票数 1
回答已采纳
我有一个html表，我想删除一列。使用BeautifulSoup或任何其他python库最简单的方法是什么？
浏览 1提问于2010-03-04得票数 5
我对Python和BeautifulSoup都很陌生。我正试图解析来自州供应商的一些数据集，它们以错误的HTML格式导出数据集。我成功地将一个文件解析并导出到CSV，所以我感觉很好。然而，在另一个HTML文件上，供应商决定将数据分成多个表，由宽的<td colspan>“头”组分隔。我附上了一张经过编辑的截图(底部)，以防有人比我想要做的事情更好地知道该做什么：
我正在尝试使用BeautifulSoup的分解()来完全丢弃那些colspan标记，从而将数据连接到一个我可以解析的大表中。为了找到这些colspan并对它们进行分解，我使用了一些建议的代码，并得到了一个错误，而且我太无知
浏览 14提问于2022-03-30得票数 0
1回答
我使用一个五列两行的HTML表。我想将最后一行中的列连接到两个单元格，连接的单元格的边框应该在表的中间。有了6列就不会有问题了。但如果是奇数，就是这样了。有什么想法吗？我也使用了十进制值，但它不起作用:-(
代码：
<table>
<tr><td></td><td></td><td></td><td></td><td></td></tr>
<tr><th colspan="3"></th>
浏览 0提问于2011-03-01得票数 0
我想要将html打印到文档中，但我希望将其格式化为在网页中查看时的格式。
我有以下代码：
from BeautifulSoup import BeautifulSoup, NavigableString
html = """
<B>THIS IS A TABLE</B>
</div>
<center>
<table width="100%" align="center" cellspacing="0" cellpadding="0" border=&
浏览 2提问于2011-05-20得票数 4
回答已采纳
我想问一下如何从<table>中解析出一个值colspan和rowspan。例如：
<table cellpadding="2" cellspacing="2" border="1" width="50%">
<tbody>
<tr>
<td valign="top" rowspan="2" colspan="1" align="center">NO<br>
</td&g
浏览 1提问于2012-11-07得票数 3
回答已采纳
我试图在Python语言中抓取和迭代一个表，然后将其输入到一个pandas DataFrame中，但我甚至在使用BeautifulSoup查找表时都遇到了麻烦。这是我通常做的事情，但在源代码中似乎没有表格。我该如何拉出这个页面上的主表？ from bs4 import BeautifulSoup
import pandas as pd
import numpy as np
import requests
url = 'https://markets.ft.com/data/director-dealings'
site = requests.get(url)
soup =
浏览 21提问于2020-11-07得票数 0
我正在尝试抓取一个表，该表使用TH作为前导列元素，并带有以下TD标记。问题是该表使用需要跳过的间歇分隔符，因为它们不包含TH标记。
这是表中的一个示例：
<tr><th scope="row">Availability (non-CRS):</th><td></td></tr>
<tr><td colspan="2" class="fieldDivider"><div> </div></td><
浏览 6提问于2014-05-14得票数 2
回答已采纳
我正在尝试从解析表。我从Username列开始，在堆栈溢出的帮助下，我能够使用以下代码获得Username的内容：
with open("Top 50 TikTok users sorted by Followers - Socialblade TikTok Stats _ TikTok Statistics.html", "r", encoding="utf-8") as file:
soup = BeautifulSoup(str(file.readlines()), "html.parser")
tiktok =
浏览 0提问于2021-04-26得票数 1
回答已采纳
在这个网络刮刮的世界里，我是新来的，到目前为止，我对BeautifulSoup感到惊讶。但是，有件事我做不到。
我想要做的是删除一些标记，这些标签后面跟着一些特定的标记和特定的属性。
让我告诉你：
#Import modules
from bs4 import BeautifulSoup
import requests
#Parse URL
url = "http://www.soccervista.com/Italy-Serie_A-2016_2017-845699.html"
r = requests.get(url)
data = r.text
soup = Beaut
浏览 0提问于2017-06-23得票数 3
回答已采纳
我花了5个小时试图用BeautifulSoup 4和Python3解析一个具有汇率的表，遵循指南和bs4手册，但表的一部分神奇地消失了。
这是页面：
当我在浏览器中检查元素时，我看到一个简单的表：
<table width="100%" align="center" class="tbl_text"><tbody id="shapka"><tr align="center"><td>Время начала действия курса </td><
浏览 3提问于2015-11-06得票数 0
回答已采纳
我在从html表中提取数据时遇到了困难。我有下面的python代码，但是它给了我一个错误消息：
文件"request_test.py"，第50行打印(soup.find_all(“td”，class=“站台tq详顶部”))^ SyntaxError:无效语法
from bs4 import BeautifulSoup
html_doc = """
<html>
<body>
<table>
<tr>
<th colspan="2">an</th>
<
浏览 5提问于2014-02-21得票数 0
回答已采纳
1回答
使用Python网站访问web表
、、、、
我正在尝试访问NIST网站上的一个表格：
假设我点击元素锌。我想检索能源，u/p和uen/p的信息到一个表的3列使用python2.7。
我开始学习BeautifulSoup和机械。但是，我发现很难在与这个站点上的表相关的HTML代码中找到一个清晰的模式。
我要找的是这样的方法：
import mechanize
from bs4 import BeautifulSoup
page=mech.open("http://physics.nist.gov/PhysRefData/XrayMassCoef/tab3.html")
html = page.read()
soup =
浏览 4提问于2014-09-19得票数 2
回答已采纳
我正在尝试在同一个Python调用中拉取多个网站。我不能让它正常工作，必须单独输入每个呼叫。
我已经尝试过执行以下操作：
URL = ['https://sc2replaystats.com/replay/playerStats/10758933/83445': https://sc2replaystats.com/replay/playerStats/10758969/83445]
content = requests.get(URL)
soup = BeautifulSoup(content.text, 'html.parser')
contentTab
浏览 12提问于2019-08-05得票数 0
1回答
我希望解析html并使用python获取表ids列表。 我有一个以下格式的HTML文档，其中包含多个表： 我试图抓取并获取表ids的页面- https://docs.aws.amazon.com/workspaces/latest/adminguide/workspaces-port-requirements.html <html>
<div class="table-container">
<div class="table-contents disable-scroll">
<table id=
浏览 10提问于2021-01-12得票数 0
回答已采纳
我正在尝试使用BeautifulSoup解析我上传到的html表，以便获得三列(0到735，0.50到1.0和0.5到0.0)作为列表。为了解释原因，我希望整数0-735是键，十进制数是值。
在阅读了许多其他帖子后，我得出了以下结论，这与创建我想要的列表不太一样。它所做的就是显示表中的文本，如这里所示的
from bs4 import BeautifulSoup
soup = BeautifulSoup(open("fide.html"))
table = soup.find('table')
rows = table.findAll('tr'
浏览 0提问于2013-06-23得票数 5
回答已采纳
2回答
我刚开始使用BeautifulSoup，并尝试使用它从NHL.com获取一些测试数据。到目前为止，这是我的代码，但我很迷茫.
下面是我想从其中提取数据的HTML代码片段：
<tr>
<td rowspan="1" colspan="1"> … </td>
<td style="text-align: left;" rowspan="1" colspan="1">
<a href="/ice/player.htm?id=
浏览 3提问于2013-11-11得票数 0
回答已采纳
我对Python和所有东西都是超级新手，我正在尝试让BeautifulSoup从这个页面(或同一wiki中的任何其他类似页面)的这个表中的一个特定单元格返回一个数值。
现在我所能做的就是：
url = ('http://unisonleague.wikia.com/wiki/Brynhildr,_Dual_Lancer_(Gear)')
r = requests.get(url)
data = r.text
soup = BeautifulSoup (data , 'html.parser')
table = soup.find (id='mw-cont
浏览 7提问于2017-12-08得票数 1
回答已采纳
我正在使用BeautifulSoup修改大量的html和jsp文件。这些是包含在主模板中的内容文件。一切正常，除了当我打印结果时，BeautifulSoup删除了jsp文件中的jsp代码。有什么方法可以让BeautifulSoup忽略<%和%>和标签之间的代码吗？
下面是显示BeautifulSoup当前行为的代码：
原件：
<tr>
<td colspan="3"><% if (session.getAttribute("edit")!=null){ String subid="sub-sublinks
浏览 0提问于2014-02-13得票数 1
在审查从html表构建csv的解决方案时，我偶然发现了这段代码
ol = map(cell_text，row.find_all row.find_all)
黑体字到底是怎么回事？find_all调用html元素和标记。粗体文本是如何做到这一点的？
下面的背景
#!/usr/bin/python
from bs4 import BeautifulSoup
import sys
import re
import csv
def cell_text(cell):
return " ".join(cell.stripped_strings)
soup = Beautiful
浏览 7提问于2016-12-03得票数 1
回答已采纳
问题：我有一个html文件，它包含一些标记，现在我想找到一个带有类属性的标记(表)，它的值是“”，使用BeautifulSoup4.5.1，它在python3.5.2(Raspberry)中工作得很好，但是在python3.4.2(raspberry pi)中不工作，我想找出原因。
下面是示例html文件(test.html)：
<!DOCTYPE html>
<html>
<head>
<title>test</title>
</head>
<body>
<table class="ma
浏览 0提问于2016-11-22得票数 2
回答已采纳
我正在用html创建一个表，我想要获得以下结果： ? 我创建了列和它们的标题(S，Incoming，Session..)和有值的行(我从Python脚本中检索数据)，但是我不能将"queue“和"block”中的列分开。 这是我的头的html：https://jsfiddle.net/Maestro1508/np239Lc0/4/ 完整的html： <li><span>Redis Status</span></li>
{% endblock %}
{% block content %}
<div id="ma
浏览 18提问于2021-10-26得票数 0
回答已采纳
我正在尝试使用BeautifulSoup从html源提取数据。这是来源
<td class="advisor" colspan="">
这是我的代码：
soup = BeautifulSoup(html, 'html.parser')
tds = soup.find_all('td')
for td in tds:
if td["colspan"] == '':
col = 0
else:
col = int(td["colspa
浏览 2提问于2016-03-02得票数 1
回答已采纳
我试图使用NLTK库来训练数据。我一步一步地走下去。我完成了第一步，但是在执行第二步时，我得到了以下错误：
TypeError: a bytes-like object is required, not 'list'
我尽了最大努力去纠正它，但我又犯了同样的错误。
这是我的代码：
from bs4 import BeautifulSoup
import urllib.request
response = urllib.request.urlopen('http://php.net/')
html = response.read()
soup = Beauti
浏览 9提问于2018-01-10得票数 4
回答已采纳
我想要找到“属于”<td>的<th>的值吗？我可以在<th>标记中搜索文本并找到它，但是我不知道值，也没有可搜索的类。列的数量也可能不同。所以我只有<th>中的文本。
表的例子：
<table>
<tbody>
<tr>
<th colspan="8">
<span>
<a href="/link">Table Title&l
浏览 6提问于2021-01-14得票数 1
回答已采纳
我使用fread在其字段中读取包含html代码的csv文件，对其进行一些维护，并使用fwrite将结果数据表写入文件。问题是，现在所有的html都充满了四重引号，比如colspan="""""7""""。这里有qmethod参数，但我不知道如何使用它，因为我也不想用反斜杠转义引号。
是否有可能避免这种情况，还是必须使用sed？
例如，我得到了csv文件：
htmlcode,id
<colspan="7">,1
<colspan="8">,2
我使用fread将其读入d
浏览 4提问于2017-01-01得票数 2
回答已采纳
1回答
C#，ASP.NET，VS08，使用HTML。
我想要合并单元格-行跨度和colspan跨越它，但不合并它。
为了更清晰的画面，
在设计视图上拖动HTML表控件，选择列的单元格右键单击、修改、合并
我想在C#编程中按一下按钮就可以做到这一点。
浏览 5提问于2010-08-28得票数 6
回答已采纳
我对Python中的Pandas、Webscraping和BeautifulSoup都很陌生。
当我正在学习使用requests和BeautifulSoup进行一些基本的网页抓取时，我对将html表的第2和第3元素分配到熊猫数据框架中的任务感到困惑。
假设我有一张桌子：
到目前为止，我的代码如下：
import pandas as pd
from bs4 import BeautifulSoup
import requests
html_data = requests.get('https://en.wikipedia.org/wiki/List_of_largest_bank
浏览 0提问于2021-10-19得票数 1
我对python和BeautifulSoup非常陌生。我编写了下面的代码来调用网站：，目标是在底部抓取名为"MLB详细排名“的表，并导出到CSV文件。我的代码成功地创建了一个CSV文件，但是使用了错误的数据表，它丢失了带有团队名称的第一列。我的代码在顶部(不包括第一列)的“东方分部”表中，而不是在底部有完整的"MLB详细排名“表的目标表。
想知道是否有一个简单的方式拉MLB详细的排名表在底部。当我检查页面时，我试图拉出的特定表的ID是："expanded_standings_overall“。我需要在我的代码中引用这个吗？或者，任何其他的指导，以重新工作的代码，以提取正
浏览 3提问于2020-05-12得票数 1
回答已采纳
3回答
我正在尝试从这个网站上的特定表格中提取信息。到目前为止，这是我的代码。我是python的新手，如果它不是显而易见的话。我只想提取Bonds表中的信息。我可以索引表，这样我就可以通过索引#调用特定的表了吗？
from selenium import webdriver
from bs4 import BeautifulSoup
import requests
browser=webdriver.Chrome
chrome_path=r"C:\Users\ddai\AppData\Local\Programs\Python\Python37\chromedriver.exe"
dr
浏览 0提问于2019-07-06得票数 1
在HTML语言中，如果我希望一个表元素跨越多个列，我可以使用属性来说明该列的宽度。
我正在创建一个带有表视图的React Native应用程序，需要复制此功能。是否有任何现有的React Native table组件具有类似的colSpan函数？
浏览 0提问于2017-08-05得票数 1
我使用的是BeautifulSoup 4和Python2.7。我想从一个网站中提取某些元素(数量，见下面的例子)。由于某些原因，lxml解析器不允许我从页面中提取所有想要的元素。它只打印前三个元素。我正在尝试使用html5lib解析器来查看是否可以提取所有这些解析器。
该页面包含多个项目，以及它们的价格和数量。包含每个项目所需信息的代码的一部分如下所示：
<td class="size-price last first" colspan="4">
<span>453 grams </span&
浏览 1提问于2014-03-27得票数 7
我试着刮这个网站：
我对python和scraping非常陌生，我相信这个网站有一个用JavaScript生成的表。
我只想刮前7栏。我试过了
from requests_html import HTMLSession
from bs4 import BeautifulSoup
session = HTMLSession()
resp = session.get("https://madduxsports.com/college-basketball-lines.php")
resp.html.render()
soup = BeautifulSoup(resp.html.ht
浏览 2提问于2021-12-01得票数 0
回答已采纳
我用非常棒的html解析器写了一个小包装器。
最近，我试着改进代码，使所有漂亮的汤方法直接在包装器类中可用(而不是通过类属性)，我认为对美丽汤解析器进行子类化将是实现这一点的最好方法。
下面是这个类：
class ScrapeInputError(Exception):pass
from BeautifulSoup import BeautifulSoup
class Scrape(BeautifulSoup):
"""base class to be subclassed
basically a subclassed BeautifulSoup wr
浏览 0提问于2011-10-07得票数 3
回答已采纳
我正在尝试用Odoo中的qWeb生成一个超文本标记语言的报告。我必须打印的表具有可变的列，而这些列具有可变的colspan值，因此我在Python中定义了一个方法，以便返回这些列的标题和colspan。方法返回如下内容：
OrderedDict({'header 1' : 6, 'header 2' : 6, 'header 3' : 2, 'resume' : 2})
在qWeb代码中，我写道：
<td align="center" style="border:1px solid black;
浏览 1提问于2014-11-11得票数 0
我需要创建一个rtf文件，其中包含一个“复合”表(实际上，我只需要水平合并的单元格)。
我尝试了{RTF}包，但是addTable函数接受一个data.frame或表对象，没有像colspan这样的任何参数。
我尝试在rtf_document输出中使用Rmarkdown，但是Rmarkdown不支持合并的单元格(kableExtra，为此创建一个html对象)
我知道如何使用这种表创建docx (使用{officer}和{flextable})，因此，将.docx文件转换为.RTF可能是一个很好的解决方案。知道怎么做吗？(或者可能是乳胶-> RTF ?)
问候
浏览 0提问于2018-02-11得票数 1
我是Python的新手，我想从表中获取“价格”列的数据，但我无法检索到该数据。
目前我正在做的是：
# Libraies
from urllib.request import urlopen
from bs4 import BeautifulSoup
html = urlopen("http://pythonscraping.com/pages/page3.html")
soup = BeautifulSoup(html, "html.parser")
table = soup.find("table")
for row in table.f
浏览 2提问于2017-03-04得票数 0
回答已采纳
1回答
更新了：我的真实案例：
我需要更改列的宽度，我正在使用内联CSS，下面是我的示例：
Table被设置为100%，<table width=100% ...>
列的总数为14，很少有列有colspan = 2。
这是我的html/css问题:在填充了行单元格后，列标题的宽度也发生了变化。第一列有很大的空间，但是第二列(带有colspan =2)由于内容而缩小。如下所示：
正如您在这里看到的，第一列应该缩小一点，Prev QA列应该扩展。
我需要更改的是缩小第一列并扩展第二列宽度，但是无论我更改了什么或将width添加到td中，它都不会影响布局。有人知道吗？提前谢谢。
表：
浏览 2提问于2017-05-19得票数 0
回答已采纳
我正在尝试使用python和BeautifulSoup从网站上抓取一张表(我对两者都有点陌生)。下面是我迄今为止尝试过的代码，它创建了前两列中的值列表。
然而，当我试图得到字符串(2016-01,2016-02，.)来自Tcells1的td列表或(1.4193,1.3826，.)在Tcells2中，.get_text()给出了错误。我对Python和Beautifulsoup汤有点陌生。我知道Pandas可以抓取html表，但是我想学习BeautifulSoup，我不知道我在这里做错了什么。Python3.8.8
import requests
from bs4 import Beautif
浏览 21提问于2022-02-21得票数 0
使用此链接：。我有一个命令，可以单击页面上的每个链接并取出所有数据，但我希望将其转换为csv文件，因此需要运行三个不同的命令，以获得页面上每篇文章的标题、段落和日期(这样它们就可以成为excel工作表中的列)。我有困难，因为这个页面没有“类”或“id”。任何建议都会很有帮助。
以下是我的当前代码：
url = 'https://1997-2001.state.gov/briefings/statements/2000/2000_index.html'
soup = BeautifulSoup(requests.get(url).content, 'htm
浏览 4提问于2020-09-17得票数 1
回答已采纳
在表主体()中的第一行(标题行)追加新行时出现问题。
我的代码：
from bs4 import BeautifulSoup
soup = BeautifulSoup(open('page_content.xml'), 'html.parser')
# append a row to the first row in the table body
row = soup.find('tbody').find('tr')
row.append(soup.new_tag('tr', text='New C
浏览 1提问于2022-04-30得票数 1
回答已采纳
1回答
我正在尝试创建一个Python，它从互联网上获取数据并将其转换为表，然后作为.csv文件导出。我正在尝试让这个程序工作的示例网站是：
我本来打算使用BeautifulSoup库来实现这一点，但当我意识到感兴趣的网页的整个文本都嵌套在一个标记中时，我就撞到了墙上，如下面的图片所示。有没有人知道我可以从这个HTML文本块中提取特定的单词和值？例如，我想创建7列。当我使用findAll函数在文本中找到这些列标题时，打印结果时会返回整个文本块，因为所有文本都是在一个<p></p>标记之间连接的。
一个假设是在代码行之间添加HTML标记，然后使用Python进行访问，但我不知道这
浏览 4提问于2021-12-24得票数 2
为什么colspan和rowspan在html表中相反工作？
这就是桌子的工作原理。
在HTML中，colspan处理html表的行。
跨行也是如此。根据名称，COLSPAN建议列跨度，但在使用时，在html表中的span列为span、行和“行跨度”。
浏览 4提问于2022-06-13得票数 0
1回答
我需要从网页上抓取一张桌子，然后把它放到熊猫的数据框架中。但我做不到。让我首先给您一个提示，说明表是如何被编码成html文档的。
<tbody>
<tr>
<th colspan="2">United States Total<strong>**</strong></th>
<td><strong>15,069.0</strong></td>
<td><strong>14,575.0</strong></td>
浏览 0提问于2016-03-23得票数 10
回答已采纳
我在使用html colspan时遇到了这个问题。我想知道我哪里出了问题。
下面是运行它时的代码片段，后面跟着结果：
<html>
<head>
<title>Test</title>
</head>
<body>
<table width="100%" border="true">
<tr>
<td colspan=2>2 cols</td><td colspan=18>18 cols</td>
浏览 3提问于2015-08-19得票数 0
回答已采纳
2回答
我在一个简单的网页上工作，它与数据库交互，以检索往返于用户指定的地点的航班。我遇到的问题是使用HTML和CSS在前端显示航班。我不确定是否有更好的方式来表达这个问题的标题。我有一个HTML表，我正在使用它作为排序栏。下面的代码以及描述tr元素的样式表节点：
<tr>
<td class="xp-flt-sortbar-label" id="flightSortByLabel">
Sort by:
/td>
<td onclick="sortInPlace('1'
浏览 2提问于2011-06-10得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
