python-在不丢失轴标题的情况下提取html表答案

【问题标题】：python- extract html table without lossing axis titlespython-在不丢失轴标题的情况下提取html表
【发布时间】：2013-03-11 18:59:36
【问题描述】：

第一季度。有什么方法可以从表中提取数据但仍然能够追踪轴标题？ Q2。哪种方法会更好地从 html 表中提取数据？ HTMLParser 或 beautifulsoup 还是其他？

我试图提取这个收入表 http://investing.businessweek.com/research/stocks/financials/financials.asp?ticker=TSCO:LN

我想成为

“以百万英镑计的货币”,"2009","2010","2011","2012"

“收入”、“53,898.0”、“56,910.0”、“60,455.0”、“64,539.0”

“总收入”、“53,898.0”、“56,910.0”、“60,455.0”、“64,539.0”

同时我想知道“56,910.0”是2009年的收入

但我遇到了两个问题：

HTMLParser.HTMLParseError: 格式错误的开始标记，位于第 1148 行，第 47 列或 HTMLParser.HTMLParseError：错误的结束标记：“”，第 225 行，第 104 列
无法跟踪轴标题

非常感谢

【问题讨论】：

标签： html python-2.7 html-parsing beautifulsoup extraction

【解决方案1】：

我已经做了很多抓取，BeautifulSoup 很少让人失望。


from BeautifulSoup import BeautifulSoup 
URL = "@987654321@"
from urllib import urlopen
HTML = urlopen ( URL )
soup = BeautifulSoup ( HTML )
statement = soup . find ( 'table', { 'class' : "financialStatement" } )
rows = statement . findAll ( 'tr' )

此时我想你会发现 rows 的长度为 25，它的第一项是表头，最后一项是所需表的最后一行。

【讨论】：

我确实安装了 BeautifulSoup，但出现了这个错误：ImportError: cannot import name BeautifulSoup
@user2158132 如果我没记错的话，BeautifulSoup 不是标准库的一部分。做pip install bs4（最新版）