我想获取一个HTML表并对其进行解析以获得字典列表。每个列表元素将是一个与表中的一行相对应的字典。
例如,如果我有一个包含三列(用标题标签标记),“事件”,“开始日期”和“结束日期”的HTML表,并且该表有5个条目,我想将该表解析为返回长度为5的列表,其中每个元素都是带有键“事件”,“开始日期”和“结束日期”的字典。
谢谢您的帮助!
您应该使用一些HTML解析库,例如lxml:
lxml
from lxml import etree s = """<table> <tr><th>Event</th><th>Start Date</th><th>End Date</th></tr> <tr><td>a</td><td>b</td><td>c</td></tr> <tr><td>d</td><td>e</td><td>f</td></tr> <tr><td>g</td><td>h</td><td>i</td></tr> </table> """ table = etree.HTML(s).find("body/table") rows = iter(table) headers = [col.text for col in next(rows)] for row in rows: values = [col.text for col in row] print dict(zip(headers, values))
版画
{'End Date': 'c', 'Start Date': 'b', 'Event': 'a'} {'End Date': 'f', 'Start Date': 'e', 'Event': 'd'} {'End Date': 'i', 'Start Date': 'h', 'Event': 'g'}