You need to enable JavaScript to run this app. BeautifulSoup提取HTML表格指定td字段生成结构化列表的解决方法
优惠活动
大模型
产品
解决方案
定价
更多

BeautifulSoup提取HTML表格指定td字段生成结构化列表的解决方法

原代码核心错误定位
  • 直接用tabla.find_all('tr')会同时抓取<thead>内的表头行、<tbody>内的数据行两类节点,表头行的子元素全部是<th>标签、不存在<td>,遍历到这一行时执行row.find('td')会返回None,后续调用.text自然触发NoneType属性错误。
  • 用row.findNext('td')定位相邻字段的逻辑完全错位:findNext是从当前标签位置向后匹配全局DOM节点,不是在当前<tr>的子元素范围内查找相邻td,跨行取值后最终结果会偏移到表格最后一行的内容。
可直接运行的实现代码
# 锁定表格的tbody区域,从根源跳过表头无td的行
tbody = tabla.find('tbody')
data_rows = tbody.find_all('tr')

extracted_data = []
for row in data_rows:
    # 取当前行下的所有td元素,按DOM顺序固定索引定位目标字段
    tds = row.find_all('td')
    record = {
        "Team": tds[0].get_text(strip=True),
        "Name": tds[1].get_text(strip=True),
        "Number": tds[2].get_text(strip=True),
        "Minute": tds[5].get_text(strip=True)
    }
    extracted_data.append(record)
逻辑说明
  • 所有td节点的查找范围严格限定在当前遍历的tr内部,完全不会出现跨行取值错位的问题
  • 按照页面HTML里td的固定排列顺序取索引:位置0对应Team、位置1对应Name、位置2对应Number、位置5对应Minute,自动跳过位置3(Tipo)、4(Motivo)、6(Bloque)的非目标字段
  • 全程在tbody节点下遍历,不会接触到表头行的th元素,从根本上避免None类型报错

内容的提问来源于stack exchange,提问作者nokvk

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.29 17:06:03