当我想要一列时，Python to CSV 将字符串分成两列

Question

我正在用 BeautifulSoup 抓取一个页面，部分逻辑是，有时<td> 标记的部分内容中可能包含<br>。

所以有时它看起来像这样：

<td class="xyz">
    text 1
    <br>
    text 2
</td>

有时它看起来像这样：

<td class="xyz">
    text 1
</td>

我正在循环并添加到一个 output_row 列表，我最终将它添加到一个列表列表中。无论我看到的是前一种格式还是后一种格式，我都希望文本位于一个单元格中。

我找到了一种方法来确定我是否看到了<br> 标签，因为 td.string 显示为 none，而且我还知道文本 2 中始终包含“ABC”。所以：

    elif td.string == None:
        if 'ABC' in td.contents[2]:
            new_string = td.contents[0] + ' ' + td.contents[2]
            output_row.append(new_string)
            print(new_string)
        else:    
            #this is for another situation and it works fine

当我在 Jupyter Notebook 中打印此内容时，它显示为“文本 1 文本 2”作为一行。但是当我打开我的 CSV 时，它位于两个不同的列中。因此，当 td.string 有内容（意味着没有 <br> 标签）时，文本 1 显示在一列中，但是当我到达具有 <br> 标签的部分时，我的所有数据都会被转移。

我不确定为什么在将它们附加到列表之前连接它们时它显示为两个不同的字符串（两列）。

我正在写这样的文件：

with open('C:/location/file.csv', 'w',newline='') as csv_file:
    writer=csv.writer(csv_file,delimiter=',')
    #writer.writerow(headers)
    for row in output_rows:
        writer.writerow(row)

csv_file.close

Answer 1

您可以使用带有“strip”和“separator”的get_text() 处理这两种情况：

from bs4 import BeautifulSoup

dat="""
<table>
    <tr>
        <td class="xyz">
            text 1
            <br>
            text 2
        </td>

        <td class="xyz">
            text 1
        </td>
    </tr>
</table>
"""

soup = BeautifulSoup(dat, 'html.parser')
for td in soup.select("table > tr > td.xyz"):
    print(td.get_text(separator=" ", strip=True))

打印：

text 1 text 2
text 1