如何使用 BeautifulSoup4 提取表格及其值答案

【问题标题】：How to extract the table and it's values using BeautifulSoup4如何使用 BeautifulSoup4 提取表格及其值
【发布时间】：2018-03-07 01:03:34
【问题描述】：

如何使用 BeautifulSoup 提取表格及其值？尝试遵循 bs4 文档，但在查找 class 或 th 值时遇到问题。我如何才能从整个 HTML 页面中显式获取 {underReplicatedBlocks} 值。

<div class="page-header"><h1><small>Decommissioning</small></h1></div>
<small>
<table class="table">
  <thead>
    <tr>
      <th>Node</th>
      <th>Last contact</th>
      <th>Under replicated blocks</th>
      <th>Blocks with no live replicas</th>
      <th>Under Replicated Blocks <br/>In files under construction</th>
    </tr>
  </thead>
  {#DecomNodes}
  <tr>
    <td>{name} ({xferaddr})</td>
    <td>{lastContact}</td>
    <td>{underReplicatedBlocks}</td>
    <td>{decommissionOnlyReplicas}</td>
    <td>{underReplicateInOpenFiles}</td>
  </tr>
  {/DecomNodes}
</table>
</small>

【问题讨论】：

标签： python python-2.7 beautifulsoup

【解决方案1】：

如果您正在抓取的文档中的 tr 属性在每 3 行中，那么您可以使用此选项：

rows = soup.findAll('tr')[2::3]

【讨论】：

【解决方案2】：

由于您想要的标签没有特殊的类，您将不得不通过查看 HTML 来获取索引并对它们进行硬编码。查看表格，检查哪一行 (<tr>) 是所需的文本；对列进行同样的操作。

因为它位于第二行第三列，所以你必须使用这个：

table = soup.find('table', class_='table')
rows = table.find_all('tr')
required_row = rows[1]
columns = required_row.find_all('td')
required_column = columns[2]
required_text = required_column.text

或者，简单地说：

required_text = table.find_all('tr')[1].find_all('td')[2].text
print(required_text)
# {underReplicatedBlocks}

【讨论】：