如何使用BeautifulSoup提取表格中球员伤病及日期信息？

核心思路 #

1. 过滤掉带有COLLAPSE类的空<tr>元素，只保留包含球员数据的有效行
2. 从每个有效行中定位第3个<td>（目标数据固定所在位置）
3. 提取该<td>内的伤病名称和日期文本，清理无关字符后整理成目标列表

实现代码（基于BeautifulSoup） #

from bs4 import BeautifulSoup

# 替换为实际爬取到的HTML内容
html = """
<tbody>
    <tr>
        <td>
            <a href="LINK">Player1</a>
        </td>
        <td>Position1</td>
        <td>
            <b>Player1 Injury</b>
            <br>
            "Date of injury1"
        </td>
        <td>
            <a href="LINK" class="BUTTON"></a>
        </td>
    </tr>
    <tr class="COLLAPSE"></tr>
    <tr>
        <td>
            <a href="LINK">Player2</a>
        </td>
        <td>Position2</td>
        <td>
            <b>Player2 Injury</b>
            <br>
            "Date of injury2"
        </td>
        <td>
            <a href="LINK" class="BUTTON"></a>
        </td>
    </tr>
    <tr class="COLLAPSE"></tr>
</tbody>
"""

soup = BeautifulSoup(html, 'html.parser')

# 筛选不含COLLAPSE类的有效tr
valid_rows = soup.find_all('tr', class_=lambda c: c != 'COLLAPSE')

injury_data = []
for row in valid_rows:
    # 获取第3个td（索引从0开始，对应第3个位置）
    target_td = row.find_all('td')[2]
    # 提取并清理文本：去除空格和多余引号
    clean_texts = [t.strip().strip('"') for t in target_td.stripped_strings]
    injury_data.extend(clean_texts)

print(injury_data)

代码说明 #

• class_=lambda c: c != 'COLLAPSE'：精准过滤掉无用的折叠行，只保留有数据的行
• target_td.stripped_strings：自动提取<td>内所有非空文本片段，无需手动处理<br>标签
• 文本清理步骤：去除首尾空格和包裹日期的引号，确保结果格式符合要求

运行代码后将输出：

['Player1 Injury', 'Date of injury1', 'Player2 Injury', 'Date of injury2']

内容的提问来源于stack exchange，提问作者Link