如何用BeautifulSoup筛选含/不含指定类及属性的表格元素并导出Excel

你可以先锁定目标表格再逐层过滤元素，完整实现逻辑如下： #

依赖库安装 #

提前安装需要的第三方库：

pip install beautifulsoup4 pandas openpyxl

完整代码示例 #

from bs4 import BeautifulSoup
import pandas as pd

# 这里替换成你实际获取到的网页源码文本，或者用requests.get(url).text获取
html_content = """
你获取的网页HTML内容
"""

# 1. 解析HTML，锁定目标table
soup = BeautifulSoup(html_content, 'html.parser')
target_table = soup.find('table', id='need')

# 2. 过滤有效行：排除class="txt"的行，保留符合基础属性的tr
valid_trs = target_table.find_all(
    'tr',
    attrs={'height': '30', 'align': 'center'},
    class_=lambda c: c != 'txt' # 过滤class为txt的行
)

# 3. 逐行提取有效单元格内容，排除type="wholeLast"的td
result_data = []
for tr in valid_trs:
    # 过滤不需要的td，type属性不存在时也保留
    valid_tds = tr.find_all(
        'td',
        attrs={'type': lambda t: t is None or t != 'wholeLast'}
    )
    # 提取单元格文本，去除首尾空白
    row = [td.get_text(strip=True) for td in valid_tds]
    result_data.append(row)

# 4. 保存到Excel
df = pd.DataFrame(result_data)
# 如果有表头可以手动指定列名，例如 df.columns = ['列名1', '列名2', '列名3']
df.to_excel('提取结果.xlsx', index=False)

注意事项 #

• 如果你需要保留原表格的表头，可单独提取第一行的内容作为DataFrame的列名
• 若页面是动态渲染的，需要先用selenium等工具拿到渲染后的完整HTML再解析
• 处理大批量数据时可以用openpyxl直接操作Excel文件，内存占用更低

内容的提问来源于stack exchange，提问作者Walter