如何修复表格列中的单词？答案

【问题标题】：how to fix the worrd in the table column?如何修复表格列中的单词？
【发布时间】：2020-08-26 09:12:46
【问题描述】：

我正在从网站中提取表格。我已经尝试过 Pandas 和 BeautifulSoup。

这是我尝试过的代码示例：

    res = requests.get("https://www.dasoertliche.de/Themen/Postleitzahlen/Berlin.html")
    soup = BeautifulSoup(res.content,'lxml')   
    table = soup.find_all('table')[0]    
    df = pd.read_html(str(table))[0]    
    df

网站表格如下所示我的结果看起来像这样

我希望第三列中的单词用逗号分隔有什么想法吗？！

【问题讨论】：

试试pd.read_html("https://www.dasoertliche.de/Themen/Postleitzahlen/Berlin.html")[0]

标签： python pandas string beautifulsoup python-3.6

【解决方案1】：

试试这个：

html = requests.get('https://www.dasoertliche.de/Themen/Postleitzahlen/Berlin.html').text.replace("<br/>", ', ')
df = pd.read_html(html, attrs={'id': 'tl-plz'})[0]
df

问题是<br/>在table里面，所以我们先把它去掉。

【讨论】：

我没有尝试其他建议，但这个对我来说效果很好

【解决方案2】：

如果您将看到 HTML 响应。您将在该列中找到<br/> 标记，以便在下一行显示每个标记。您可以简单地将<br/> 替换为 ,

res = requests.get("https://www.dasoertliche.de/Themen/Postleitzahlen/Berlin.html")
soup = BeautifulSoup(res.content,'lxml')   
table = str(soup.find_all('table')[0]) 

#replce <br> with comma
table = table.replace("<br/>", ",")

df = pd.read_html(str(table))[0]    
df

输出：

【讨论】：

【解决方案3】：

我不知道这是否是一个选项，但您可以尝试使用正则表达式 - 如果模式是固定的，即所有单独的单词都以大写开头，并且没有其他大写字符出现在单独的字符串中，您可以尝试在每个大写字母前添加空格：

for i in range(len(df)):
    df['Ortsteil'][i] = re.sub(r"(\w)([A-Z])", r"\1 \2", df['Ortsteil'][i])

或者不循环df：

df['Ortsteil'] = df['Ortsteil'].apply(lambda x: re.sub('(\w)([A-Z])', r"\1 \2", str(x)))

【讨论】：