使用BeautifulSoup遍历class不固定的td标签获取表格单元格内容
核心思路
不需要根据td的leftcol/data类名做特殊筛选。
类名只是前端用来加样式的标记,和单元格所属的列没有绑定关系——HTML表格里每一行tr下的td排列顺序,和表头列的顺序是一一对应的,直接按出现顺序提取文本就能匹配列的对应关系。如果强行按class分别找leftcol和data再拼接,反而会因为某些行的类名异常导致内容错位,稳定性很差。
实现步骤
- 基于你已经获取到的
body_rows(也就是排除了表头行的所有数据行),逐行处理单元格内容:all_rows = [] for row in body_rows: # 不做任何class筛选,直接取当前行下的所有td tds = row.find_all("td") # 提取文本并自动清理前后多余的空白、换行符 row_content = [td.get_text(strip=True) for td in tds] all_rows.append(row_content) - 提取完成后,
all_rows就会存储所有行的结构化内容:针对你给出的示例表格,输出结果为[['Europe', '44', '29%']],和原表格内容完全一致。 - 如果需要生成结构化DataFrame,直接对接之前拿到的
headings列名即可:df = pd.DataFrame(all_rows, columns=headings)
优化说明
相比你之前手动用rstrip("\n")清理文本,get_text(strip=True)会自动清除文本前后所有类型的空白字符(空格、换行、制表符),不需要额外写冗余的清理逻辑,适配性更强。
内容的提问来源于stack exchange,提问作者user9517769
相关产品推荐
相关产品推荐

