Python读取无标识嵌套HTML表格并实现主从表关联导出的方案问询

核心是先通过HTML DOM解析保留嵌套关系，而非直接用pd.read_html()拍平所有表格，步骤如下：

实现逻辑 #

1. 用BeautifulSoup解析原始HTML，筛选所有**顶级表格（不嵌套在其他标签内的表格）**作为主表，自动规避嵌套子表的干扰
2. 为每个主表分配唯一标识ID，将主表的键值结构转置为单行数据，加入ID列后存入主表结果集
3. 遍历每个主表的DOM节点，提取其内部嵌套的所有
4. 合并所有主表、子表结果后导出即可

---

完整代码示例 #

from bs4 import BeautifulSoup
import pandas as pd

# 读取你的HTML文件内容
with open('你的HTML文件路径.html', 'r', encoding='utf-8') as f:
    html_content = f.read()

soup = BeautifulSoup(html_content, 'lxml')

# 筛选所有顶级主表的判断函数
def is_top_level_table(tag):
    if tag.name != 'table':
        return False
    parent = tag.parent
    while parent:
        if parent.name == 'table':
            return False
        parent = parent.parent
    return True

top_tables = soup.find_all(is_top_level_table)
main_df_list = []
sub_df_list = []

for idx, table in enumerate(top_tables):
    # 分配唯一ID，也可以用uuid生成更唯一的标识
    unique_id = f"ID_{idx+1}"
    
    # 处理主表：转置键值结构
    main_raw = pd.read_html(str(table))[0]
    # 适配示例的主表结构：第一列为Header名，第二列为值，过滤空列后转置
    main_row = main_raw.iloc[:, [0,1]].dropna().set_index(0).T.reset_index(drop=True)
    main_row['UniqueIdentifier'] = unique_id
    main_df_list.append(main_row)
    
    # 处理当前主表下的所有嵌套子表
    sub_tables = table.find_all('table')
    for sub_table in sub_tables:
        sub_raw = pd.read_html(str(sub_table))[0]
        sub_raw['UniqueIdentifier'] = unique_id
        sub_df_list.append(sub_raw)

# 合并结果
final_main_df = pd.concat(main_df_list, ignore_index=True)
final_sub_df = pd.concat(sub_df_list, ignore_index=True)

# 导出为CSV
final_main_df.to_csv('主表.csv', index=False)
final_sub_df.to_csv('子表.csv', index=False)

# 如果要导出为单Excel文件的两个sheet
with pd.ExcelWriter('导出结果.xlsx') as writer:
    final_main_df.to_excel(writer, sheet_name='主表', index=False)
    final_sub_df.to_excel(writer, sheet_name='嵌套子表', index=False)

---

注意事项 #

• 如果HTML表格存在合并单元格等特殊格式，可以调整pd.read_html()的参数，比如加header=0指定表头行
• 唯一ID可以根据业务需求替换为UUID生成，避免序号重复的问题
• 主表的转置逻辑可以根据实际的主表结构调整，上述代码适配提问给出的主表键值结构

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

作为对应子表，每个子表的所有行都绑定当前主表的ID，存入子表结果集