将 html 解析为列表或表格

Question

我使用 Selenium 提取了一个 html 页面，并且我想将数据放入一个表格/列表中，我可以将其输入到 pandas Dataframe 中。

用 Beautifulsoup 4 提取的 html

    <tr class="result even">
     <td class="companyName" data-name="companyName">
      <a href="http://sgx.com/wps/portal/sgxweb/home/company_disclosure/stockfacts?page=1&amp;code=5TG" target="_parent">
       800 Super Holdings Limited
      </a>
     </td>
     <td class="tickerCode" data-name="tickerCode">
      5TG
     </td>
     <td class="industry" data-name="industry">
      Commercial Services and Supplies
     </td>
     <td class="marketCap" data-name="marketCap">
      84.9
     </td>
     <td class="percentChange hidden" data-name="percentChange">
      -
     </td>
     <td class="priceVs52WeekHigh hidden" data-name="priceVs52WeekHigh">
      (12.04)
     </td>
     <td class="priceVs52WeekLow hidden" data-name="priceVs52WeekLow">
      18.75
     </td>
     <td class="beta5Yr hidden" data-name="beta5Yr">
      0.371
     </td>
     <td class="volume hidden" data-name="volume">
      0.02 mm
     </td>
     <td class="avgTradedVolM3 hidden" data-name="avgTradedVolM3">
      0.1
     </td>
     <td class="avgVolumeM3 hidden" data-name="avgVolumeM3">
      0.13 mm
     </td>
     <td class="floatPercentage hidden" data-name="floatPercentage">
      84.11
     </td>
     <td class="priceVolHistYr hidden" data-name="priceVolHistYr">
      19.95
     </td>
     <td class="totalRevenue" data-name="totalRevenue">
      152
     </td>
     <td class="ebitdaMargin hidden" data-name="ebitdaMargin">
      15.15
     </td>
     <td class="netProfitMargin hidden" data-name="netProfitMargin">
      11.77
     </td>
     <td class="eps hidden" data-name="eps">
      0.1
     </td>
     <td class="totalDebtEquity hidden" data-name="totalDebtEquity">
      78.47
     </td>
     <td class="totalRev1YrAnnGrowth hidden" data-name="totalRev1YrAnnGrowth">
      19.4
     </td>
     <td class="totalRev3YrAnnGrowth hidden" data-name="totalRev3YrAnnGrowth">
      18.17
     </td>
     <td class="totalRev5YrAnnGrowth hidden" data-name="totalRev5YrAnnGrowth">
      15.83
     </td>
     <td class="basicEpsIncl hidden" data-name="basicEpsIncl">
      0.1
     </td>
     <td class="returnOnEquity hidden" data-name="returnOnEquity">
      34.77
     </td>
     <td class="peRatio" data-name="peRatio">
      4.745
     </td>
     <td class="dividendYield" data-name="dividendYield">
      4.21
     </td>
     <td class="priceToBookRatio hidden" data-name="priceToBookRatio">
      1.448
     </td>
     <td class="avgBrokerReq hidden" data-name="avgBrokerReq">
      -
     </td>
     <td class="gtiScore hidden" data-name="gtiScore">
      47
     </td>
     <td class="gtiRankChange hidden" data-name="gtiRankChange">
      (73)
     </td>
    </tr>

这个 html 又延伸了 349 行。我怎样才能把它变成一个表格/列表？

使用 lxml 代替 bs4 会更容易/更快吗？

Answer 1

您可以使用pandas.read_html() 将其直接加载到熊猫数据框中。它将使用最好的可用/已安装的解析器 - 如果您想要速度，请安装 lxml。