如何用Python提取维基百科同一行内中印的人口数量及占比

问题原因 #

你的代码通过固定索引data[1]/data[2]/data[3]获取单元格内容，但维基百科的人口列表表格中，部分国家（如印度）的行内单元格包含额外嵌套元素（比如国旗图标、上标注释），导致find_all('td')返回的元素列表索引与预期不符，从而提取到错误数据。

解决方案 #

改用CSS选择器的nth-child伪类直接定位表格列，不受行内元素结构影响，确保精准获取对应列内容：

import requests
from bs4 import BeautifulSoup

def load_population_dict(url):
    response = requests.get(url)
    soup = BeautifulSoup(response.content, "html.parser")
    
    population_dict = {}
    table = soup.find('table', {'class': 'wikitable'})
    rows = table.find_all('tr')[1:]  # 跳过表头行
    
    for row in rows:
        # 使用nth-child定位对应列，不受行内元素干扰
        country_td = row.select_one('td:nth-child(2)')
        if not country_td:
            continue  # 跳过无效行
        country = country_td.text.strip()
        
        population_td = row.select_one('td:nth-child(3)')
        population = population_td.text.strip() if population_td else 'N/A'
        
        percentage_td = row.select_one('td:nth-child(4)')
        percentage = percentage_td.text.strip() if percentage_td else 'N/A'
        
        population_dict[country] = (population, percentage)
    
    return population_dict

# 测试提取中国和印度数据
pop_dict = load_population_dict("https://en.wikipedia.org/wiki/List_of_countries_and_dependencies_by_population")
print("中国数据:", pop_dict.get("China"))
print("印度数据:", pop_dict.get("India"))

说明 #

• td:nth-child(2)对应表格的「国家/地区」列，td:nth-child(3)对应「人口」列，td:nth-child(4)对应「占世界人口比例」列，这是该维基百科表格的固定列位置。
• 增加空值判断，避免因表格结构异常导致报错。

内容的提问来源于stack exchange，提问作者Kyle