如何用Python抓取NIST铜数据网页左侧指定表格并导出CSV

问题需求 #

抓取NIST铜元素数据页面中左侧标题为“HTML table format”的表格，仅保留目标列（第二、第三列数值），并保存为CSV文件。原代码无法输出正确格式的表格。

原代码问题 #

原代码未精准定位目标表格，且表头设置不符合页面表格结构，导致抓取的表格列混乱、内容错误。

修正后的代码 #

import pandas as pd

# 铜元素数据页面URL
url = "https://physics.nist.gov/PhysRefData/XrayMassCoef/ElemTab/z29.html"

# 匹配目标表格，指定表头位于表格第2行（索引从0开始）
tables = pd.read_html(url, match="HTML table format", header=1)
target_df = tables[0]

# 提取第二、第三列（索引1和2）
filtered_df = target_df.iloc[:, [1, 2]]

# 保存为CSV文件，不保留索引列
filtered_df.to_csv("nist_copper_data.csv", index=False)

代码说明 #

• match="HTML table format"：精准定位页面中标题为“HTML table format”的表格，避免抓取页面内其他无关表格
• header=1：指定表格的表头行是第2行（原表格第一行是标题文本，第二行才是列名）
• iloc[:, [1, 2]]：通过位置索引提取第二、第三列数据
• index=False：保存CSV时不写入行索引，保证输出格式简洁规范

内容的提问来源于stack exchange，提问作者Winston Pan