从 html 表中提取数据<p>而不是<table>

Question

我一直在使用 pd.read_html 尝试从 url 中提取数据，但数据列在

标签而不是 . 我可能在这里错过了一个简单的课程，但我不确定使用什么函数来获得好的结果（表格）而不是我得到的长字符串。 任何建议，将不胜感激！ 我使用了这两个并得到了相同的结果：

import requests import pandas as pd url ='http://www.linfo.org/acronym_list.html' dfs = pd.read_html(url, header =0) df = pd.concat(dfs) df

import pandas as pd
url ='http://www.linfo.org/acronym_list.html'
data = pd.read_html(url, header=0)
data[0]

出[1]：

ABCDEFGHIJKLMNOPQRSTUVWXYZ A AMD Advanced Micro Devices API 应用程序编程接口 ARP 地址解析协议 ARPANET 高级研究计划署网络 AS 自治系统 ASCII 美国信息交换标准代码 AT&T 美国电话电报公司 ATA 高级技术附件 ATM 异步传输模式 BB 字节 BELUG Bellevue Linux 用户组BGP边界网关协议...

Answer 1

我正在使用 BeautifulSoup 来解析请求 html 每个标签 p 和 br ，最终结果是一个数据框......稍后你可以将它导出到一个excel文件......我希望可以帮助你

from bs4 import BeautifulSoup
import requests
import pandas as pd

result = requests.get('http://www.linfo.org/acronym_list.html')
c = result.content
soup = BeautifulSoup(c, "html.parser")
samples = soup.find_all("p")

rows_list = []

for row in samples:
    tagstrong = row.find_all("strong")
    for x in tagstrong:
        #print(x.get_text())
        tagbr = row.find_all("br")
        for y in tagbr:
            new_row = {'letter':x.get_text(), 'content':y.next}
            rows_list.append(new_row)

df1 = pd.DataFrame(rows_list)
print(df1.head(10))

这是结果：