从HTML表格抓取新冠数据：如何去除结果中的大洲字段

嘿，作为Web Scraping新手能写到这一步已经很棒啦！针对你遇到的多余大洲数据问题，我来给你几个简单易懂的解决方案，都是基于你现有代码修改的：

方案1：通过样式排除隐藏的大洲单元格 #

观察你提供的HTML片段，大洲所在的<td>带有display:none样式，我们可以直接筛选掉这类单元格：

import requests
from bs4 import BeautifulSoup

url = "https://www.worldometers.info/coronavirus/"
page = requests.get(url, verify=True)
soup = BeautifulSoup(page.content, features="lxml")
rows = soup.select("tr")

for row in rows:
    # 只保留不包含 display:none 样式的td元素
    cells = row.find_all("td", style=lambda val: val and "display:none" not in val)
    # 提取每个单元格的文本，同时去掉多余的空格和换行
    row_data = [cell.get_text(strip=True) for cell in cells]
    # 跳过空行（比如表格里的分隔行）
    if any(row_data):
        print(row_data)

这个方法的好处是精准匹配隐藏的元素，不会误删其他有效数据。

方案2：直接排除最后一个单元格 #

从HTML结构来看，大洲信息总是每个<tr>的最后一个<td>，我们可以直接截取前N个单元格：

import requests
from bs4 import BeautifulSoup

url = "https://www.worldometers.info/coronavirus/"
page = requests.get(url, verify=True)
soup = BeautifulSoup(page.content, features="lxml")
rows = soup.select("tr")

for row in rows:
    cells = row.find_all("td")
    # 排除最后一个td（也就是大洲所在的单元格）
    if cells:
        relevant_cells = cells[:-1]
        row_data = [cell.get_text(strip=True) for cell in relevant_cells]
        if any(row_data):
            print(row_data)

这个方法更简单直接，适合结构稳定的表格，但如果网站后续调整了列顺序，可能需要修改代码。

方案3：通过自定义属性排除大洲单元格 #

那个大洲<td>带有data-continent属性，我们可以利用这个属性来精准排除：

import requests
from bs4 import BeautifulSoup

url = "https://www.worldometers.info/coronavirus/"
page = requests.get(url, verify=True)
soup = BeautifulSoup(page.content, features="lxml")
rows = soup.select("tr")

for row in rows:
    # 只保留没有 data-continent 属性的td元素
    cells = row.find_all("td", attrs={"data-continent": False})
    row_data = [cell.get_text(strip=True) for cell in cells]
    if any(row_data):
        print(row_data)

这个方法是最可靠的，因为网站很少会随意修改自定义属性，即使样式或列顺序变了，只要这个属性存在就能生效。

新手小提示 #

• get_text(strip=True)：帮你去掉文本前后的空格、换行符，让数据更整洁；
• if any(row_data)：过滤掉表格里的空行（比如表头之间的分隔行）；
• 如果想把数据保存成CSV文件，可以配合Python的csv模块，把收集到的row_data写入文件，方便后续做数据可视化。

内容的提问来源于stack exchange，提问作者user10482454