Python解决方案，可将HTML表转换为可读的纯文本

Question

我正在寻找一种将HTML表完全转换为可读的纯文本的方法。

即给出输入：

<table>

    <tr>

        <td>Height:</td>

        <td>200</td>

    </tr>

    <tr>

        <td>Width:</td>

        <td>440</td>

    </tr>

</table>

我期望输出：

Height: 200

Width: 440

我宁愿不使用外部工具，例如w3m -dump file.html，因为它们是（1）依赖于平台的，（2）我想对过程进行一些控制，并且（3）我认为它可以单独使用Python（带有或不带有额外模块）都是可行的。

我不需要任何自动换行或可调整的单元格分隔符宽度。使用制表符作为单元格分隔符就足够了。

Answer 1

如何使用这个：解析HTML表到Python列表？但是，请使用collections.OrderedDict()而不是简单的字典来保留顺序。有了字典后，从字典中获取文本并设置其格式非常非常容易：使用@Colt 45的解决方案：import xml.etree.ElementTreeimport collectionss = """\<table>&nbsp; &nbsp; <tr>&nbsp; &nbsp; &nbsp; &nbsp; <th>Height</th>&nbsp; &nbsp; &nbsp; &nbsp; <th>Width</th>&nbsp; &nbsp; &nbsp; &nbsp; <th>Depth</th>&nbsp; &nbsp; </tr>&nbsp; &nbsp; <tr>&nbsp; &nbsp; &nbsp; &nbsp; <td>10</td>&nbsp; &nbsp; &nbsp; &nbsp; <td>12</td>&nbsp; &nbsp; &nbsp; &nbsp; <td>5</td>&nbsp; &nbsp; </tr>&nbsp; &nbsp; <tr>&nbsp; &nbsp; &nbsp; &nbsp; <td>0</td>&nbsp; &nbsp; &nbsp; &nbsp; <td>3</td>&nbsp; &nbsp; &nbsp; &nbsp; <td>678</td>&nbsp; &nbsp; </tr>&nbsp; &nbsp; <tr>&nbsp; &nbsp; &nbsp; &nbsp; <td>5</td>&nbsp; &nbsp; &nbsp; &nbsp; <td>3</td>&nbsp; &nbsp; &nbsp; &nbsp; <td>4</td>&nbsp; &nbsp; </tr></table>"""table = xml.etree.ElementTree.XML(s)rows = iter(table)headers = [col.text for col in next(rows)]for row in rows:&nbsp; &nbsp; values = [col.text for col in row]&nbsp; &nbsp; for key, value in collections.OrderedDict(zip(headers, values)).iteritems():&nbsp; &nbsp; &nbsp; &nbsp; print key, value输出：Height 10Width 12Depth 5Height 0Width 3Depth 678Height 5Width 3Depth 4