表格提取问题：BeautifulSoup与Pandas.read_html使用障碍排查

先说说你遇到的核心错误原因： #

1. BeautifulSoup 使用错误：你调用 soup.find({'class': 'odd'}) 的写法不对。find 方法的第一个参数需要指定标签名（比如 'tr'），第二个参数才是属性筛选。而且你要找的是所有符合条件的行，应该用 find_all 而不是 find（后者只返回第一个匹配项）。
2. pandas.read_html 参数误用：attrs={'class': 'odd'} 是让 pandas 寻找class 为 odd 的表格，但你的目标是行的 class 为 odd，这完全匹配错了对象。另外，原始 HTML 前半部分的内容可能包含无效标签或干扰代码，导致 pandas 无法正确识别表格结构。
3. 未利用已知的 HTML 片段位置：既然你已经知道表格从 requests.get(url).content[8359:] 开始，直接解析完整 HTML 反而会被前面的干扰内容影响。

替代解决方案（分两种工具实现） #

方案一：用 BeautifulSoup 提取并转成 DataFrame

先截取有效的 HTML 片段，再正确筛选目标行：

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 1. 获取页面内容并截取目标片段
url = "你的目标URL"
response = requests.get(url)
# 截取从8359位置开始的HTML内容（如果有编码问题，可加.decode('utf-8')转成字符串）
target_html = response.content[8359:]

# 2. 解析片段并提取行
soup = BeautifulSoup(target_html, 'html.parser')
# 正确筛选所有class为odd的tr行
odd_rows = soup.find_all('tr', class_='odd')

# 3. 提取每行的单元格数据
table_data = []
for row in odd_rows:
    # 获取该行所有td单元格
    cells = row.find_all('td')
    # 提取每个单元格的文本（strip=True去除多余空格）
    row_content = [cell.get_text(strip=True) for cell in cells]
    table_data.append(row_content)

# 4. 转成DataFrame
df = pd.DataFrame(table_data)
print(df.head())

方案二：直接用 pandas 处理截取后的 HTML 片段

既然已经定位到表格的起始位置，直接把这段片段传给 read_html 即可，避免前面的干扰内容：

import requests
import pandas as pd

url = "你的目标URL"
response = requests.get(url)
target_html = response.content[8359:]

# 解析片段中的表格（假设目标是第一个表格，用[0]取出）
df = pd.read_html(target_html)[0]
# 如果只需要class为odd的行，可以后续筛选（根据实际HTML结构调整筛选逻辑）
odd_rows_df = df[df.apply(lambda row: 'odd' in row.attrs.get('class', []), axis=1)]
print(odd_rows_df.head())

额外注意事项 #

• 如果截取后的片段有编码乱码问题，尝试指定编码格式，比如 target_html = response.content[8359:].decode('gbk')（根据页面实际编码调整）。
• 如果表格里有嵌套标签（比如 <a>、<span>），需要提取文本时可以用 cell.get_text(strip=True)，若需要链接则用 cell.find('a')['href'] 提取属性。

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