如何用Pandas提取HTML表格中td标签的data-custom-date属性值

DevOps 小满

2026-7-20

解决Pandas抓取网页表格时提取标签属性的问题

问题分析

pd.read_html() 仅能提取HTML表格单元格内的文本内容，无法保留标签的属性（比如data-custom-date），因此需要结合BeautifulSoup解析原始HTML，手动提取所需的文本和属性值。

解决方案代码

import pandas as pd
import requests
import pprint
from bs4 import BeautifulSoup

url = "https://www.myfxbook.com/forex-economic-calendar/interest-rates"

r = requests.get(url)
soup = BeautifulSoup(r.text, "html.parser")

# 定位目标表格（若页面存在多个表格，可通过class/id精准定位）
target_table = soup.find("table")

data = []
# 遍历表格行（跳过表头行）
for row in target_table.find_all("tr")[1:]:
    cells = row.find_all("td")
    row_dict = {
        "Country": cells[0].get_text(strip=True),
        "Unnamed: 1": cells[1].get_text(strip=True),
        "Central Bank": cells[2].get_text(strip=True),
        "Current Rate": cells[3].get_text(strip=True),
        "Previous Rate": cells[4].get_text(strip=True),
        "Change": cells[5].get_text(strip=True),
        "Last Meeting": cells[6].get_text(strip=True),
        # 提取data-custom-date属性值替换原文本
        "Next Meeting": cells[7].get("data-custom-date")
    }
    data.append(row_dict)

pp = pprint.PrettyPrinter(depth=4)
pp.pprint(data)

代码说明

HTML解析：用BeautifulSoup定位目标表格，若页面有多个表格，可通过class或id缩小范围（例如soup.find("table", class_="target-table-class")）。
属性提取：通过cells[7].get("data-custom-date")直接获取对应<td>标签的属性值，替换原本的"1 day"文本。
文本清理：get_text(strip=True)用于去除文本前后的空格、换行符，让数据更整洁。