Python 2.7+BeautifulSoup：如何拆分提取文本至CSV对应列？

看来你在把爬取到的球员数据写入CSV时，遇到了表头和内容都挤在同一列的麻烦——这通常是因为你把整个表头元组、整个球员信息都当成单个元素写入了，CSV自然会把它们塞进同一个单元格里。下面我给你一套完整的解决方案，帮你把每个字段拆到单独列里：

核心思路 #

1. 先明确要输出的表头字段，把它们拆成一个字符串列表（不是元组套列表），这样CSV写入器会自动把每个字段放到单独列。
2. 从页面中提取球员的每个字段（Name、Position等），把它们和ImageURL一起组成一个列表/字典，确保每个字段对应表头的一列。
3. 使用Python2.7的csv模块正确写入，避免编码和格式问题。

完整代码示例 #

1. 导入依赖模块 #

import csv
from bs4 import BeautifulSoup
import urllib2

2. 爬取页面并提取数据 #

# 替换成你的目标URL
target_url = "https://example.com/players"
response = urllib2.urlopen(target_url)
# 用html.parser解析，如果你装了lxml也可以换成'lxml'
soup = BeautifulSoup(response.read(), 'html.parser')

# 假设页面中每个球员的信息都包裹在class为'player-card'的div里，根据实际页面调整
player_cards = soup.find_all('div', class_='player-card')

3. 写入CSV文件 #

这里提供两种写法，选你觉得顺手的就行：

方法一：使用csv.writer（基础写法）

# 定义表头列表，每个元素对应一列
headers = ['Name', 'Position', 'Height', 'Weight', 'Born', 'ImageURL']

# Python2.7写入CSV必须用'wb'模式，避免换行符乱码
with open('players_data.csv', 'wb') as csv_file:
    writer = csv.writer(csv_file)
    # 先写入表头，每个字段自动分到单独列
    writer.writerow(headers)
    
    for card in player_cards:
        # 提取每个字段，注意：这里的选择器要和你爬取的页面HTML结构完全匹配！
        # 比如页面中球员名字在h3标签，class是'player-name'，就这么写
        name = card.find('h3', class_='player-name').text.strip().encode('utf-8')
        position = card.find('span', class_='player-position').text.strip().encode('utf-8')
        height = card.find('span', class_='player-height').text.strip().encode('utf-8')
        weight = card.find('span', class_='player-weight').text.strip().encode('utf-8')
        born = card.find('span', class_='player-born').text.strip().encode('utf-8')
        image_url = card.find('img')['src'].encode('utf-8')
        
        # 把所有字段组成一个列表，每个元素对应表头的一列
        player_row = [name, position, height, weight, born, image_url]
        writer.writerow(player_row)

方法二：使用csv.DictWriter（更清晰，不易出错）

这种方法用字典对应字段名，不用担心顺序写错：

headers = ['Name', 'Position', 'Height', 'Weight', 'Born', 'ImageURL']

with open('players_data.csv', 'wb') as csv_file:
    writer = csv.DictWriter(csv_file, fieldnames=headers)
    # 写入表头
    writer.writeheader()
    
    for card in player_cards:
        # 用字典存储每个球员的字段，键对应表头
        player_dict = {
            'Name': card.find('h3', class_='player-name').text.strip().encode('utf-8'),
            'Position': card.find('span', class_='player-position').text.strip().encode('utf-8'),
            'Height': card.find('span', class_='player-height').text.strip().encode('utf-8'),
            'Weight': card.find('span', class_='player-weight').text.strip().encode('utf-8'),
            'Born': card.find('span', class_='player-born').text.strip().encode('utf-8'),
            'ImageURL': card.find('img')['src'].encode('utf-8')
        }
        writer.writerow(player_dict)

关键注意事项 #

• 编码处理：Python2.7默认字符串是ASCII，所以提取到非ASCII字符（比如中文、特殊符号）时，一定要用.encode('utf-8')转码，否则写入CSV会报错或者乱码。
• 选择器匹配：代码里的find参数（标签名、class_）必须和你爬取的页面HTML结构完全一致，比如页面中球员位置在div而不是span，就要改成card.find('div', class_='player-position')。
• CSV模式：Python2.7写入CSV必须用'wb'（二进制写入）模式，否则Windows下会出现多余的空行。

这样处理后，你的CSV文件里每个表头都会单独占一列，球员的对应信息也会准确对应到各自的列里，ImageURL也会单独成一列啦！

内容的提问来源于stack exchange，提问作者Bab