如何用BeautifulSoup爬取维基百科化学元素列表表格并通过Pandas展示

你已经拿到了页面所有表格的集合，接下来按以下步骤操作即可：

步骤1：定位目标表格 #

你需要从所有表格中筛选出标题为「List of chemical elements」的目标表，维基百科的表格标题一般存储在<caption>标签中，匹配对应文本即可定位：

target_table = None
for table in table_soup:
    caption = table.find('caption')
    # 匹配标题文本，忽略前后空格和换行
    if caption and 'List of chemical elements' in caption.get_text(strip=True):
        target_table = table
        break

步骤2：提取表头信息 #

从目标表格中提取表头列名，来源是表格的<th>标签：

headers = []
for th in target_table.find_all('th'):
    # 清理文本中的多余空格、换行符
    headers.append(th.get_text(strip=True))

步骤3：提取表格行数据 #

遍历表格<tbody>下的所有行标签<tr>，提取每行的单元格内容：

row_data = []
for tr in target_table.tbody.find_all('tr'):
    cells = tr.find_all(['td', 'th'])
    # 提取每个单元格的文本并清理
    current_row = [cell.get_text(strip=True) for cell in cells]
    # 过滤长度不匹配的异常行，避免数据错位
    if len(current_row) == len(headers):
        row_data.append(current_row)

步骤4：转换为Pandas DataFrame展示 #

将提取的表头和行数据组装为DataFrame即可查看：

df = pd.DataFrame(row_data, columns=headers)
# 打印前10行验证结果
print(df.head(10))

快捷实现方式 #

如果不需要练习BeautifulSoup的基础操作，可以直接用Pandas自带的read_html接口快速匹配目标表格，代码更简洁：

# match参数用于匹配表格标题，返回的是匹配到的表格DataFrame列表
df_list = pd.read_html('https://en.wikipedia.org/wiki/List_of_chemical_elements', match='List of chemical elements')
df = df_list[0]
print(df.head(10))

内容的提问来源于stack exchange，提问作者Stainler