Python3.7中pd.read_html爬取网站表格出现形状描述，如何消除？

你在Python 3.7里循环用pd.read_html爬取网站表格时碰到的问题，根源在于目标表格的多层合并表头结构和你错误的skiprows参数设置。

问题出在哪？ #

看你提供的目标HTML，这个表格有3行表头（前3行都是表头，包含colspan/rowspan合并单元格），但你用了skiprows=[0,1,2]——这等于把所有表头行都跳过了，剩下的唯一数据行被pandas当成了无表头的内容。加上原表头的合并单元格被解析成了多个空列，就导致了那种奇怪的[1 rows x 14 columns]结构，甚至访问df_list[0]也没法正常使用。

而你测试的简单HTML只有一行有效表头，skiprows=[1]跳过的是空行，pandas能正确识别剩下的表头，所以结果正常。

解决步骤 #

1. 正确识别多层表头

不要跳过表头行，而是告诉pandas前3行都是表头，让它自动处理合并单元格：

df_list = pd.read_html(html_source, header=[0,1,2])

这样pandas会生成多级列名，对应原表格的表头层级。

2. 清理无效空列

解析后可能会出现全空的列（因为原表头的合并单元格导致），可以删除这些列：

df = df_list[0].dropna(axis=1, how='all')

3. 简化列名（可选）

如果多级表头对你的后续处理不方便，可以把它们合并成单一列名，比如用下划线连接：

df.columns = ['_'.join(str(c) for c in col).strip() for col in df.columns.values]

效果验证 #

用上面的代码处理你的目标HTML后，得到的DataFrame会正确对应原表格的结构：

• 列名会匹配原表头的分类（比如Teilarbeit、Arbeitszeit-bedarf、Maschinenkosten_Abschreibung等）
• 数据行2.000 l, Aufbaupflanzenschutzspritze; 138 kW等会准确对应到对应的列下

内容的提问来源于stack exchange，提问作者Jana Keller