Pandas解析2016美国大选维基页面报错，求解决方法

问题根源 #

错误提示中的{{{vp_count}}}是维基百科页面内嵌的模板占位符，并非合法的数字型rowspan属性值。pandas在解析表格时尝试将该占位符转换为整数，因此触发ValueError。

解决方案 #

1. 预处理HTML内容，替换非法占位符

先用requests获取页面源码，将有问题的占位符替换为合法的rowspan值（比如1），再传入read_html解析：

import pandas as pd
import requests

url = "https://en.wikipedia.org/wiki/2016_United_States_presidential_election"
response = requests.get(url)
# 替换模板占位符为合法的rowspan属性值
clean_html = response.text.replace('rowspan="{{{vp_count}}}"', 'rowspan="1"')
df_2016 = pd.read_html(clean_html)

2. 只解析目标表格，避开有问题的表格

如果不需要页面中所有表格，可通过match参数指定匹配目标表格的关键词，直接跳过包含占位符的异常表格：

import pandas as pd
# 匹配包含"Electoral vote"的选举结果表格
df_2016 = pd.read_html("https://en.wikipedia.org/wiki/2016_United_States_presidential_election", match="Electoral vote")

3. 升级pandas到最新版本

较新的pandas版本可能修复了这类模板占位符的解析兼容问题，执行以下命令升级：

pip install --upgrade pandas

方法选择建议 #

• 若需要提取页面所有表格，优先选择方法1；
• 若仅需特定选举结果表格，方法2更高效；
• 长期来看，保持pandas版本更新（方法3）能避免更多类似兼容性问题。

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