如何将多HTML文件中BeautifulSoup提取结果存入DataFrame单列？

我来帮你调整代码，实现把每条提取的红色字体文本作为单独行，存入只有file列的DataFrame里。思路很简单：先把所有提取到的文本统一收集到一个列表，最后用这个列表生成DataFrame就好。

首先你需要先安装pandas库（如果还没装的话），在终端里运行：

pip install pandas

然后修改你的代码如下：

import glob
import os.path
from bs4 import BeautifulSoup
import pandas as pd  # 新增导入pandas库

dir_path = r"C:\My_folder\tmp"
# 初始化空列表，用来收集所有提取到的文本记录
records = []

for file_name in glob.glob(os.path.join(dir_path, "*.html")):
    with open(file_name) as html_file:
        # 建议指定解析器，避免BeautifulSoup的默认解析器警告
        soup = BeautifulSoup(html_file, "html.parser")
        for i in soup.select('font[color="#FF0000"]'):
            # 可选：去掉文本前后的空白字符，让内容更整洁
            extracted_text = i.text.strip()
            print(extracted_text)
            # 把每条提取的文本加入列表
            records.append(extracted_text)

# 用收集到的列表创建DataFrame，指定列名为"file"
df = pd.DataFrame(records, columns=["file"])

# 如果你需要把DataFrame保存到文件，比如CSV格式（不保存索引）
df.to_csv(os.path.join(dir_path, "extracted_records.csv"), index=False)

# 也可以直接打印查看DataFrame的前几行内容
print(df.head())

关键修改点说明： #

• 新增pandas导入，用来处理DataFrame数据结构
• 用records列表替代原来的TXT文件写入操作，统一收集所有提取的文本
• 循环结束后，通过pd.DataFrame()把列表转换成单列DataFrame，列名设为file
• 最后可以选择把DataFrame保存成CSV（或Excel等格式），方便后续分析处理

这样所有从HTML里提取的红色字体文本，都会作为单独的行存到DataFrame的file列里啦～

内容的提问来源于stack exchange，提问作者Keval