Question

我有一个存储在文件中的HTML表。我想从具有如下属性的表中获取每个td值：

<td describedby="grid_1-1" ... >Value for CSV</td>
<td describedby="grid_1-1" ... >Value for CSV2</td>
<td describedby="grid_1-1" ... >Value for CSV3</td>
<td describedby="grid_1-2" ... >Value for CSV4</td>

我希望将其放入CSV文件中，每个新值都会占用CSV中的新行。

因此，对于上面的文件，生成的CSV将是：

Value for CSV
Value for CSV2
Value for CSV3

CSV4的值将被忽略，如=“grid_1-2”所述，而不是“grid_1-1”。

所以我尝试了这个，但无论我怎样尝试，似乎都有（a）每条印刷线之间的空白行（b）用逗号分隔每个字符。

所以印刷更像是：

V,a,l,u,e,f,o,r,C,S,V,

V,a,l,u,e,f,o,r,C,S,V,2

我现在做了什么傻事？

谢谢：）

import csv
import os
from bs4 import BeautifulSoup

with open("C:\\Users\\ADMIN\\Desktop\\test.html", 'r') as orig_f:
    soup = BeautifulSoup(orig_f.read())
    results = soup.findAll("td", {"describedby":"grid_1-1"})
    with open('C:\\Users\\ADMIN\\Desktop\\Deploy.csv', 'wb') as fp:
        a = csv.writer(fp, delimiter=',')
        for result in results :
            a.writerows(result)

Answer 1

如果result是列表中的字符串，则需要将其包装在列表中，因为writerows需要迭代迭代并迭代字符串：

a.writerows([result]) <- wrap in a list

在您的情况下，您应该使用writerow并从结果中的每个td标记中提取文本：

  a.writerow([result.text]) # write the text from td element

您的结果列表中包含所有td标记，因此您只需要使用.text。

提取文本

Answer 2

使用lxml和csv模块。

获取所有td文字值，其中describedby属性值为grid_1-1 lxml的xpath()方法。
以写入模式打开csv文件。
通过writerow()方法

代码：

content = """
<body>
<td describedby="grid_1-1">Value for CSV</td>
<td describedby="grid_1-1">Value for CSV2</td>
<td describedby="grid_1-1">Value for CSV3</td>
<td describedby="grid_1-2">Value for CSV4</td>
</body>
"""
from lxml import etree
import csv
root = etree.fromstring(content)
l = root.xpath("//td[@describedby='grid_1-1']/text()")

with open('/home/vivek/Desktop/output.csv', 'wb') as fp:
     a = csv.writer(fp, delimiter=',')
     for i in l :
         a.writerow([i, ])

输出：

Value for CSV
Value for CSV2
Value for CSV3
Value for CSV4

在HTML文件中提取特定元素并插入CSV

2 个答案: