BeautifulSoup + xlwt : 将 HTML 表格的内容放入 Excel答案

【问题标题】：BeautifulSoup + xlwt : Put the content of a HTML table in ExcelBeautifulSoup + xlwt : 将 HTML 表格的内容放入 Excel
【发布时间】：2012-04-30 15:15:33
【问题描述】：

我正在尝试（使用一个小 Python 脚本）将来自在线网页的 HTML 表格的内容放入 Excel 工作表中。

一切都运行良好，除了“Excel 的东西”。

#!/usr/bin/python
# --*-- coding:UTF-8 --*--

import xlwt
from urllib2 import urlopen
import sys
import re
from bs4 import BeautifulSoup as soup
import urllib

def BULATS_IA(name_excel):
    """ Function for fetching the BULATS AGENTS GLOBAL LIST"""

 ws = wb.add_sheet("BULATS_IA") # I add a sheet in my excel file

    Countries_List = ['United Kingdom','Albania','Andorra']
    Longueur = len(Countries_List)
    number = 1 


    print("Starting to fetch ...")

    for Countries in Countries_List:
        x = 0
        y = 0

        print("Fectching country %s on %s" % (number, Longueur))
        number = number + 1
        htmlSource = urllib.urlopen("http://www.cambridgeesol.org/institutions/results.php?region=%s&type=&BULATS=on" % (Countries)).read()
        s = soup(htmlSource)
        **tableauGood = s.findAll('table')
        try:
            rows = tableauGood[3].findAll('tr')
            for tr in rows:
                cols = tr.findAll('td')
                y = 0
                x = x + 1
                for td in cols:
                    hum =  td.text

                    ws.write(x,y,td.text)
                    y = y + 1
                    wb.save("%s.xls" % name_excel)**

        except (IndexError):
            pass

    print("Finished for IA")



name_doc_out = raw_input("What do you want for name for the Excel output document ? >>> ")
wb = xlwt.Workbook(encoding='utf-8')
print("Starting with BULATS Agents, then with BULATS IA")
#BULATS_AGENTS(name_doc_out)
BULATS_IA(name_doc_out)

-- 所以 Excel 表中会发生任何事情，但是当我打印 var 的内容时......我看到了我应该看到的！

一小时后我一直在尝试修复它，但我仍然不明白发生了什么。如果你们中的一些人可以帮助我，那应该非常好。

【问题讨论】：

我不明白问题到底是什么。能否请您扩展“--所以 Excel 工作表中的任何内容，但是当我打印 var 的内容时......我看到了我应该看到的内容！”句子，拜托。
对不起！我的意思是，hum（等于 td.text）返回我想要放入 excel 表中的值（当我打印它时，我看到了我想在 excel 表中写的内容）。
ws.write(x,y,td.text) 实际上返回了这个错误：ValueError: column index (257) not an int in range(256)
我刚刚尝试了将文件编码修复为“# -- coding: utf-8 --”的脚本，并删除了 wb.save 旁边和 tableauGood 之前的那些星号：它工作正常。我不确定这是否重要，但您使用的是哪个 Python 版本？
2.7.1 ...当我将 wb.save 放在 ws.write 之后似乎有效。所以数据很好地写在了 excel 表中，但是现在，当脚本通过第二个国家和机构拉入 Excel 时，我收到此错误：异常：尝试覆盖单元格：sheetname=u'BULATS_IA'rowx=1 colx =0 x 增加了所以我不明白

标签： python html excel beautifulsoup html-table

【解决方案1】：

我已经试用了您的应用程序。而且我非常确定 td.text 的输出与 excel 文件相同。那么你的问题是什么？如果内容不是您想要的，您应该检查 BeautifulSoap 的使用情况。此外，您可能需要执行以下操作：

           for td in cols:
                hum =  td.text.replace("&nbsp;", " ")
                print hum
                ws.write(x,y,hum)

【讨论】：

感谢你们的帮助！现在似乎可以工作了...我不知道发生了什么...但是在第一个国家/地区之后我总是收到此错误：异常：尝试覆盖单元格：sheetname = u'BULATS_IA' rowx = 1 colx = 0