使用BeautifulSoup Python解析表

Question

如果我要读取遵循以下格式的表中的条目：

<table cellspacing="0" cellpadding="4">

stuff

</table>

我将其用作当前方法：

pg = urllib2.urlopen(req).read()
page = BeautifulSoup(pg)
table = page.find('table', cellpadding = 4, cellspacing = 0)

我的table无法正确读取标签，什么是最好的方法？

Answer 1

我已经在BeautifulSoup版本3和4中对此进行了测试。您的代码可与BS4一起使用，因此您必须使用版本3。

>>> from bs4 import BeautifulSoup as BS4 # Version 4
>>> from BeautifulSoup import BeautifulSoup as BS3 # Version 3
>>> bs3soup = BS3("""<table cellspacing="0" cellpadding="4">
... 
... stuff
... 
... </table>""")
>>> bs4soup = BS4("""<table cellspacing="0" cellpadding="4">
... 
... stuff
... 
... </table>""")
>>> bs3soup.find('table', cellpadding = 4, cellspacing = 0) # None
>>> bs4soup.find('table', cellpadding = 4, cellspacing = 0)
<table cellpadding="4" cellspacing="0">

stuff

</table>

因此，如果您想继续使用BS3，应该可以解决此问题：

>>> soup.find('table', cellpaddin="4", cellspacing="0") # Notice how the integers are now strings, like in the HTML.

但是，您应该使用版本4（ from bs4 import BeautifulSoup ）。