利用python高效提取html表格数据，即使数据被div和span标签分割！

以下HTML代码展示了一个由Div和Span标签嵌套的表格结构：

<div class="all hs_list" id="articlelistnew">
  <div class="dheader">
    阅读评论标题作者最后更新
  </div>

  <div class="articleh normal_post">
    4712......09-12 00:09
  </div>
  <div class="articleh normal_post">
    6033......09-11 16:01
  </div>
</div>

借助Beautiful Soup库，我们可以轻松实现数据提取：

Secure Python Code Sandbox

安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。

下载

from bs4 import BeautifulSoup

html = """
<div class="all hs_list" id="articlelistnew">
  <div class="dheader">
    阅读评论标题作者最后更新
  </div>

  <div class="articleh normal_post">
    4712......09-12 00:09
  </div>
  <div class="articleh normal_post">
    6033......09-11 16:01
  </div>
</div>
"""

soup = BeautifulSoup(html, 'html.parser')

# 获取表头
headers = soup.find('div', class_='dheader').text.split()

# 获取表格数据
rows = []
for row_div in soup.find_all('div', class_='articleh normal_post'):
    rows.append(row_div.text.split())

# 打印结果 (可选，根据实际需求调整输出格式)
print("表头:", headers)
print("表格数据:", rows)

这段代码首先使用BeautifulSoup解析HTML，然后分别提取表头和表格数据。需要注意的是，由于示例HTML中数据并非严格的表格结构，代码根据空格分割文本内容来模拟表格数据。 实际应用中，需要根据目标HTML的具体结构调整数据提取逻辑。 提取后的数据存储在headers和rows列表中，方便后续处理和使用。