美丽的汤,html表解析

Question

我目前在尝试将表解析为数组时遇到了一些问题.

我有一个简单的表(HERE),我需要用BS4解析并将单元格内容放入一个数组中.这里的困难之处在于,单元格不包含文本,而是具有这些标题的图像:"确认"或"网站" - 这只是用户权限的东西. [我正在跳过包含复选框的第一行,我可以提取没有问题的那些]

如果你看一下上面的小提琴,我需要做的就是以这样的方式解析它,结果数组变成:

Array1[0] = User1,Confirm,Confirm,Site,Confirm
Array1[1] = User2,Confirm,Confirm,Confirm,Confirm
Array1[2] = User3,Confirm,Confirm,Confirm,Confirm
Array1[3] = User4,Confirm,Site,Site,Confirm

然后我可以随便做.另一个复杂因素是,有时行数会有所不同,因此脚本应该能够适应这种情况并从表中递归创建数组.

目前,StackOverflow是我唯一的希望..过去10个小时我一直在做这件事,几乎没有成功,坦白说我失去了希望.最接近我得到的东西是在封闭的标签中提取,但由于一些奇怪的原因无法进一步解析,也许这是bs4的嵌套限制？任何人都可以看看,看看他们是否能找到这样做的方法？或至少解释如何到达那里？

var解释:rightml - 桌子上的汤.

allusers = []
rows = rightml.findAll('tr')
for tr in rows:
    cols = tr.findAll('td')
    for td in cols:
        if (td.find(title="Group")) or (td.find(title="User")):
            text = ''.join(td.text.strip())
            allusers.append(text)
print allusers

gifrights = []

rows7 = rightml.findAll('td')
#print rows7
for tr7 in rows:
    cols7 = tr7.findAll('img')
    for td7 in cols7:
        if (td7.find(title="Confirm")) or (td7.find(title="Site")):
            text = ''.join(td7.text.strip())
            text2 = text.split(' ')
            print text2
            gifrights.append(text2)

我可以用这个代码来解决问题......但我给了它'大学尝试'.

Answer 1

会这样的工作:

rows = soup.find('tbody').findAll('tr')

for row in rows:
    cells = row.findAll('td')

    output = []

    for i, cell in enumerate(cells):
        if i == 0:
            output.append(cell.text.strip())
        elif cell.find('img'):
            output.append(cell.find('img')['title'])
        elif cell.find('input'):
            output.append(cell.find('input')['value'])
    print output

这输出如下:

[u'Logged-in users', u'True', u'True', u'True', u'True']
[u'User 1', u'Confirm', u'Confirm', u'Site', u'Confirm']
[u'User 2', u'Confirm', u'Confirm', u'Confirm', u'Confirm']
[u'User 3', u'Confirm', u'Confirm', u'Confirm', u'Confirm']
[u'User 4', u'Confirm', u'Site', u'Site', u'Confirm']