使用BeautifulSoup Python解析表

Question

如果要读取遵循以下格式的表中的条目：

<table cellspacing="0" cellpadding="4">

stuff

</table>

我将其用作当前方法：

pg = urllib2.urlopen(req).read()

page = BeautifulSoup(pg)

table = page.find('table', cellpadding = 4, cellspacing = 0)

我table无法正确读取标签，什么是最好的方法？

Answer 1

我已经在BeautifulSoup版本3和4中对此进行了测试。您的代码可与BS4一起使用，因此您必须使用版本3。>>> from bs4 import BeautifulSoup as BS4 # Version 4>>> from BeautifulSoup import BeautifulSoup as BS3 # Version 3>>> bs3soup = BS3("""<table cellspacing="0" cellpadding="4">...&nbsp;... stuff...&nbsp;... </table>""")>>> bs4soup = BS4("""<table cellspacing="0" cellpadding="4">...&nbsp;... stuff...&nbsp;... </table>""")>>> bs3soup.find('table', cellpadding = 4, cellspacing = 0) # None>>> bs4soup.find('table', cellpadding = 4, cellspacing = 0)<table cellpadding="4" cellspacing="0">stuff</table>因此，如果您想继续使用BS3，应该可以解决此问题：>>> soup.find('table', cellpaddin="4", cellspacing="0") # Notice how the integers are now strings, like in the HTML.但是，您应该使用版本4（from bs4 import BeautifulSoup）。