使用BeautifulSoup解析HTML表格如何按指定字段导出结构化JSON

import json
from bs4 import BeautifulSoup

# 假设你已经完成了页面解析得到soup对象
find_table = soup.find("table", id="viewAllSeriesTable")
# 按行遍历tbody下的所有tr
tbody_rows = find_table.select("tbody tr")
fields = ["id", "seriesName", "clientName", "Brand"]
data = []

for row in tbody_rows:
    # 提取当前行所有td的文本
    tds = [td.get_text(strip=True) for td in row.find_all("td")]
    # 组装成字典，id转为整数类型
    row_dict = dict(zip(fields, tds))
    row_dict["id"] = int(row_dict["id"])
    data.append(row_dict)

# 写入JSON文件，indent=2格式化输出更易读
with open("data_file.json", "w", encoding="utf-8") as write_file:
    json.dump(data, write_file, indent=2, ensure_ascii=False)

• 原代码直接提取所有td生成一维列表，没有按行分组，修改后先遍历tbody的每一行tr，保证每行数据对应一条完整记录
• 提前定义和表头顺序一致的字段列表，通过zip方法把td内容和字段一一对应生成结构化字典
• 对id字段做了整数类型转换，匹配你期望的输出格式
• 写入文件时加了encoding="utf-8"避免中文乱码，indent=2输出格式化的JSON，可读性更高

运行后输出的data_file.json格式会是：

[
  {
    "id": 9127,
    "seriesName": "a",
    "clientName": "A",
    "Brand": "B"
  }
]

如果有多行数据会自动在列表中追加对应字典对象，符合常规结构化JSON存储规范。

内容的提问来源于stack exchange，提问作者user16707466