如何解析带有行中标题的HTML表格

Question

我有一个类似于下面的 HTML 表格，其中表格标题也在一行内。如何使用第三方 python 包一次性提取它？ （应该是列表或字典）

<table>
<tr>
<th>Header 1</th><td>Value 1</td>
</tr>
<tr>
<th>Header 2</th><td>Value 2</td>
</tr>
<tr>
<th>Header 3</th><td>Value 3</td>
</tr>
</table>

Answer 1

我假设，您需要一个字典：

from bs4 import BeautifulSoup


txt = '''<table>
<tr>
<th>Header 1</th><td>Value 1</td>
</tr>
<tr>
<th>Header 2</th><td>Value 2</td>
</tr>
<tr>
<th>Header 3</th><td>Value 3</td>
</tr>
</table>
'''

soup = BeautifulSoup(txt, 'html.parser')

out = {}
for tr in soup.select('tr'):
    out[tr.select_one('th').get_text(strip=True)] = [td.get_text(strip=True) for td in tr.select('td')]

print(out)

打印：

{'Header 1': ['Value 1'], 'Header 2': ['Value 2'], 'Header 3': ['Value 3']}

---

或者：

out = {}
for tr in soup.select('tr'):
    out[tr.select_one('th').get_text(strip=True)] = tr.select_one('td').get_text(strip=True)

print(out)

打印：

{'Header 1': 'Value 1', 'Header 2': 'Value 2', 'Header 3': 'Value 3'}