从 url/html 文件中读取几个不同的表并设置标题答案

【问题标题】：Reading several different tables from url/html file and setting headers从 url/html 文件中读取几个不同的表并设置标题
【发布时间】：2020-01-08 13:13:01
【问题描述】：

所以，我有一个包含多个表格的 html 文件，我正在读取这样的文件：

tables = pd.read_html(filename, decimal=',', thousands=None, header=0)

但是，pandas 将第一个表的标题设置为其他表的其余部分。有什么方法可以设置 pandas 来收集每个表的标题？

【问题讨论】：

标签： python-3.x pandas

【解决方案1】：

知道了。所以最后，感谢that genius reply 我成功了：

tables = pd.read_html(filename, decimal=',', thousands=None)
        for t in tables:
            header = t.iloc[0]
            print(header)
            t = t[1:]
            t.columns=header
            print(t)

所以我为每个表分配了不同的标题值。

【讨论】：

【解决方案2】：

Pandas 通常会在不同的 Dataframe 中正确读取它。我从不使用 headers=0，但在下面显示的情况下，无论是否正常，它都可以正常工作。

你的 html 文件是什么样子的？也许你必须先清理你的 html 字符串。可以分享一下吗？

下面的例子效果很好

import pandas as pd


html_tables = """
<html>
<header>
<title>Data Tables</title>
</header>
<body>
Table1
<table>
  <thead>
    <tr>
      <th>Title 1</th>
      <th>Number 1</th> 
      <th>Year 1</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>C</td>
      <td>122,4</td> 
      <td>1972</td>
    </tr>
    <tr>
      <td>Python</td>
      <td>2,44</td> 
      <td>1989</td>
    </tr>
    <tr>
      <td>Ruby</td>
      <td>44,55</td> 
      <td>1995</td>
    </tr>
  </tbody>
</table>
Some text in between<br>
Table2
<table>
  <thead>
    <tr>
      <th>Title 2</th>
      <th>Number 2</th> 
      <th>Year 2</th>
    </tr>
  </thead>
  <tbody>
     <tr>
      <td>C</td>
      <td>111,4</td> 
      <td>1872</td>
    </tr>
    <tr>
      <td>Python</td>
      <td>4,55</td> 
      <td>1889</td>
    </tr>
    <tr>
      <td>Ruby</td>
      <td>66,55</td> 
      <td>1895</td>
    </tr>
  </tbody>
</table>
Text after
</body>
"""

dfs = pd.read_html(html_tables,decimal=',', thousands=None)

print("First Dataframe")
print("###################")
print(dfs[0])
print("###################")
print("Second Dataframe")
print("###################")
print(dfs[1])



First Dataframe
###################
  Title 1  Number 1  Year 1
0       C    122.40    1972
1  Python      2.44    1989
2    Ruby     44.55    1995
###################
Second Dataframe
###################
  Title 2  Number 2  Year 2
0       C    111.40    1872
1  Python      4.55    1889
2    Ruby     66.55    1895

【讨论】：

嗯，你看，这个文件真的很旧，大约是 2004 年的，同时它的编写也相当糟糕，即使对于 2004 年的 HTML 标准也是如此。我现在不能和你分享 HTML ，因为我在开发过程中。但是，我会尝试修改文件 2night 并将其添加到此处，只是为了体验。