使用 python 将 html table 转换为 csv

Question

我有一个字符串，其中包含通过 mechanize 库提取的 html 文件的源代码。 html 文件将始终包含这样的 table。我想将 table 转换为 CSV Format。

解决同一问题的几个 SO 问题具有 table 和 class 名称。 但是我的 table 没有 class 属性。 那我该怎么办...?

<table border=1 cellPadding="2" cellSpacing="0" width="75%"  bordercolor="#000000" >

  <tr bgcolor="mediumblue">
    <td width="20%"><p align="center"><font face="Arial" color="white" size="2"><strong>SUB CODE</strong></font></p></td>
    <td width="26%"><p align="left"><font face="Arial" color="white" size="2"><strong>SUB NAME</strong></font></p></td>
    <td width="13%"><p align="left"><font face="Arial" color="white" size="2"><strong>THEORY</strong></font></p>  </td>
    <td width="10%"><p align="left"><font face="Arial" color="white" size="2"><strong>PRACTICAL</strong></font></p> </td>
    <td width="17%"><p align="left"><font face="Arial" color="white" size="2"><strong>MARKS</strong></font></p></td>
    <td width="14%"><p align="center"><font face="Arial" color="white" size="2"><strong>GRADE</strong></font></p></td>
  </tr>


  <tr bgColor="#ffffff">
    <td align="middle"><font face="Arial" size=2> 301</font></td>
    <td align="left" ><font face="Arial" size=2>ENGLISH CORE</font></td>
    <td align="left" ><font face="Arial" size=2>067</font></td>
    <td align="left" ><font face="Arial" size=2></font></td>
    <td align="left" ><font face="Arial" size=2>067&nbsp;&nbsp;&nbsp;&nbsp;</font></td>
    <td align="middle"><font face="Arial" size=2>C2</font></td>
  </tr>

  </table>

Answer 1

pandas 有一个 neat way to read html tables.

import pandas as pd

html_data = '''
<table border=1 cellPadding="2" cellSpacing="0" width="75%"  bordercolor="#000000" >

  <tr bgcolor="mediumblue">
    <td width="20%"><p align="center"><font face="Arial" color="white" size="2"><strong>SUB CODE</strong></font></p></td>
    <td width="26%"><p align="left"><font face="Arial" color="white" size="2"><strong>SUB NAME</strong></font></p></td>
    <td width="13%"><p align="left"><font face="Arial" color="white" size="2"><strong>THEORY</strong></font></p>  </td>
    <td width="10%"><p align="left"><font face="Arial" color="white" size="2"><strong>PRACTICAL</strong></font></p> </td>
    <td width="17%"><p align="left"><font face="Arial" color="white" size="2"><strong>MARKS</strong></font></p></td>
    <td width="14%"><p align="center"><font face="Arial" color="white" size="2"><strong>GRADE</strong></font></p></td>
  </tr>


  <tr bgColor="#ffffff">
    <td align="middle"><font face="Arial" size=2> 301</font></td>
    <td align="left" ><font face="Arial" size=2>ENGLISH CORE</font></td>
    <td align="left" ><font face="Arial" size=2>067</font></td>
    <td align="left" ><font face="Arial" size=2></font></td>
    <td align="left" ><font face="Arial" size=2>067&nbsp;&nbsp;&nbsp;&nbsp;</font></td>
    <td align="middle"><font face="Arial" size=2>C2</font></td>
  </tr>

  </table>
'''

print pd.read_html(html_data)[0].to_csv(index=False, header=False)

当 html 中有多个 table 时，您可以检查 table 的列名称，以删除不需要的。

使用 python 将 html table 转换为 csv

convert html table to csv using python

python

beautifulsoup