我是 Python 新手，我正在尝试从 html 页面中提取数据。表格的某一列是文本和 URL 的混合。我想从该列中提取所有信息，保持链接完整地保存到 csv 文件（稍后我将保存为 Excel 文件）。请建议我。这是我仅提取文本的代码。
trs = soup.find_all('tr')
for tr in trs:
tds = tr.find_all("td")
try:
RS_id = str(tds[5].get_text().encode('utf-8'))
该列的一些单元格有多个 URL，我希望它们保持不变。
【问题讨论】：
标签： python html url csv extract
该列中的数据是如何写入的？如果 URL 与其他文本的分隔方式有明确的模式，则可以使用 string.split('character') 命令。
假设您关心的数据列的所有条目都被“，”字符分开，那么您会说：
column_data=RS_id.split(',')
这将为您提供该列中列出的所有内容的列表，每次有逗号字符时将其拆分。然后，您只需索引列表以获取您所追求的 URL。如果没有特定的顺序来索引列表，您可能需要执行以下操作：
URL_list=[]
for item in column_data:
if 'http' in item: URL_list.append(item)
编辑： 看看 beautifulsoup 是如何解析表格的：http://www.crummy.com/software/BeautifulSoup/bs3/documentation.html
文本应该有一个 .href 属性，即超链接链接到的 URL。
【讨论】：