Skip to main content
 首页 » 编程设计

python之Pandas read_html 不会从维基百科页面收集所有表格

2024年11月24日22grandyang

我的目标是编写一个解析器,从给定的维基百科 URL 收集所有表格数据。 我一直在尝试使用 pandas.read_html 方法从示例维基百科页面收集所有表格。不幸的是,它似乎并没有从页面中收集所有表格。这是我的代码:

inputurl = "https://en.wikipedia.org/wiki/France" dflist = pd.read_html(inputurl, attrs={"class": "wikitable"}) print("已解析表数:", len(dflist)) 对于 dflist 中的解析表: print("收集到的表:") 打印(解析表)

问题是只返回 2 个表,而这个页面中有 4 个以上的表。我如何改进代码以将它们全部收集起来? 谢谢。

请您参考如下方法:

看来您需要删除 attrs:

inputurl = "https://en.wikipedia.org/wiki/France" 
dflist = pd.read_html(inputurl) 
print("Number of parsed tables: ", len(dflist)) 
Number of parsed tables:  40 

检查页面的 html 代码后,有 3 个表带有 class='wikitable',第三个需要指定两个类:

inputurl = "https://en.wikipedia.org/wiki/France" 
dflist = pd.read_html(inputurl, attrs={"class": ["wikitable","wikitable sortable"]}) 
print("Number of parsed tables: ", len(dflist)) 
Number of parsed tables:  3