从 html table in <p> 而不是 <table> 中提取数据

Question

我一直在使用 pd.read_html 尝试从 url 中提取数据，但数据列在

标签中而不是中。我可能在这里错过了一个简单的课程，但我不确定使用什么函数来获得好的结果（table）而不是我得到的长字符串。任何建议，将不胜感激！我使用了这两个并得到了相同的结果：

import requests import pandas as pd url ='http://www.linfo.org/acronym_list.html' dfs = pd.read_html(url, header =0) df = pd.concat(dfs) df

import pandas as pd
url ='http://www.linfo.org/acronym_list.html'
data = pd.read_html(url, header=0)
data[0]

输出[1]:

ABCDEFGHIJKLMNOPQRSTUVWXYZ A AMD Advanced Micro Devices API 应用程序编程接口 ARP 地址解析协议 ARPANET Advanced Research Projects Agency Network AS 自治系统 ASCII 美国信息交换标准代码 AT&T 美国电话电报公司 ATA 高级技术附件 ATM异步传输模式 B B 字节 BELUG Bellevue Linux Users Group BGP 边界网关协议...

Answer 1

我正在使用 BeautifulSoup 来解析请求 html 每个标签 p 和 br ，最终结果是一个数据框...稍后您可以将其导出到 excel文件...希望能帮到你

from bs4 import BeautifulSoup
import requests
import pandas as pd

result = requests.get('http://www.linfo.org/acronym_list.html')
c = result.content
soup = BeautifulSoup(c, "html.parser")
samples = soup.find_all("p")

rows_list = []

for row in samples:
    tagstrong = row.find_all("strong")
    for x in tagstrong:
        #print(x.get_text())
        tagbr = row.find_all("br")
        for y in tagbr:
            new_row = {'letter':x.get_text(), 'content':y.next}
            rows_list.append(new_row)

df1 = pd.DataFrame(rows_list)
print(df1.head(10))

这是结果：

从 html table in <p> 而不是 <table> 中提取数据

extracting data from an html table in <p> rather than <table>

python

import

html-parsing

dataframe

pandas