使用 beautifulsoup 替换表格内容
我想使用 beautiful soup 解析一个 HTML 文档，其中也包含表格数据。我正在对此做一些 NLP。
表格单元格可能只有数字，也可能有大量文本。因此，在执行 soup.get_text() 之前，我希望根据以下条件更改表格数据的内容。
条件：如果单元格有两个以上的单词（我们可以认为一个数字是一个单词），则只保留它，否则将单元格内容更改为空字符串。
<code to change table data based on condition>
soup = BeautifulSoup(html)
text = soup.get_text()
这是我尝试过的。
tables = soup.find_all('table')
for table in tables:
table_body = table.find('tbody')
rows = table_body.find_all('tr')
for row in rows:
cols = row.find_all('td')
for ele in cols:
if len(ele.text.split(' ')<3):
ele.text = ''
但是，我们无法设置 ele.text，因此它会引发错误。
这是一个带有表格的简单 HTML 结构
<!DOCTYPE html>
<html>
<head>
<title>HTML Tables</title>
</head>
<body>
<table border = "1">
<tr>
<td><p><span>Row 1, Column 1, This should be kept because it has more than two tokens</span></p></td>
<td><p><span>not kept</span></p></td>
</tr>
<tr>
<td><p><span>Row 2, Column 1, should be kept</span></p></td>
<td><p><span>Row 2, Column 2, should be kept</span></p></td>
</tr>
</table>
</body>
</html>
繁花不似锦1回答
-
慕丝7291255
一旦找到该元素，然后使用ele.string.replace_with("")基于您的示例 htmlhtml='''<html> <head> <title>HTML Tables</title> </head> <body> <table border = "1"> <tr> <td><p><span>Row 1, Column 1, This should be kept because it has more than two tokens</span></p></td> <td><p><span>not kept</span></p></td> </tr> <tr> <td><p><span>Row 2, Column 1, should be kept</span></p></td> <td><p><span>Row 2, Column 2, should be kept</span></p></td> </tr> </table> </body></html>'''soup=BeautifulSoup(html,'html.parser')tables = soup.find_all('table')for table in tables: rows = table.find_all('tr') for row in rows: cols = row.find_all('td') for ele in cols: if len(ele.text.split(' '))<3: ele.string.replace_with("")print(soup)输出：<html><head><title>HTML Tables</title></head><body><table border="1"><tr><td><p><span>Row 1, Column 1, This should be kept because it has more than two tokens</span></p></td><td><p><span></span></p></td></tr><tr><td><p><span>Row 2, Column 1, should be kept</span></p></td><td><p><span>Row 2, Column 2, should be kept</span></p></td></tr></table></body></html>
随时随地看视频慕课网APP
相关分类
Html5