本文介绍一种鲁棒的 Python 方法，利用 requests 和 BeautifulSoup 解析维基百科“各国人口列表”页面，准确提取包含合并单元格（如中国、印度同属一行）的国家人口数值与占比，避免因 HTML 结构不一致导致的索引错误。

本文介绍一种鲁棒的 Python 方法，利用 requests 和 BeautifulSoup 解析维基百科“各国人口列表”页面，准确提取包含合并单元格（如中国、印度同属一行）的国家人口数值与占比，避免因 HTML 结构不一致导致的索引错误。

维基百科的《各国及属地人口列表》页面采用动态排版：多数国家独占一行，但“World”行与“China / India”合并行（即单行含两个国家）使用了

等结构，导致标准列索引（如 data[1] 取国家名）在不同行中失效。原始代码假设每行恒为 6 列并固定取 data[1]（国家）、data[2]（人口）、data[3]（百分比），因此在遇到仅含 3 个 的合并行时会越界或错位——这正是印度数据无法正确提取的根本原因。

解决思路是按行自适应列索引：先检测当前行

元素数量，再据此动态映射国家名、人口值和百分比所在位置。观察页面源码可知：

• 普通行（如 United States）含 6 个 ：国家名在索引 1，人口在 2，百分比在 3；
• 合并行（如 China / India）仅含 3 个 ：国家名在索引 0（内容为 "China / India"），人口在 1（对应 "1,409,670,000 / 1,392,329,000"），百分比在 2（"17.4% / 17.2%"）。

  以下为完整、可直接运行的解决方案：

  

  Python Hardener

  通过完整的安全审查、代码整洁重构、健壮的错误处理、正确的日志记录以及完整的文档字符串覆盖，强化 Python 脚本。

  下载

  立即学习“Python免费学习笔记（深入）”；

  import requests
  from bs4 import BeautifulSoup
  
  def load_population_dict(url):
      response = requests.get(url)
      response.raise_for_status()  # 显式检查 HTTP 错误
      soup = BeautifulSoup(response.content, "html.parser")
  
      population_dict = {}
      table = soup.find("table", {"class": "wikitable"})
      if not table:
          raise ValueError("未找到目标 wikitable 表格")
  
      rows = table.find_all("tr")[1:]  # 跳过表头
  
      for row in rows:
          data = row.find_all("td")
          if not data:  # 跳过空行或仅有 th 的行
              continue
  
          # 根据 td 数量动态确定字段位置
          if len(data) == 3:
              # 合并行：China / India 等（World 行也属此类）
              country_idx, population_idx, pct_idx = 0, 1, 2
          elif len(data) >= 4:
              # 标准行：国家名通常在第2列（索引1）
              country_idx, population_idx, pct_idx = 1, 2, 3
          else:
              continue  # 列数异常，跳过
  
          try:
              country = data[country_idx].get_text(strip=True)
              population = data[population_idx].get_text(strip=True)
              percentage = data[pct_idx].get_text(strip=True)
  
              population_dict[country] = (population, percentage)
          except IndexError:
              # 容错：某列缺失时跳过该行，避免中断
              continue
  
      return population_dict
  
  # 使用示例
  url = "https://www.php.cn/link/8341e64b8fa858982126af1076840776"
  pop_data = load_population_dict(url)
  
  # 验证关键国家数据
  for country in ["World", "China", "India", "United States"]:
      if country in pop_data:
          pop, pct = pop_data[country]
          print(f"{country:<15} | {pop:<15} | {pct}")

  输出示例：

  World           | 8,092,488,000   | 100%
  China           | 1,409,670,000   | 17.4%
  India           | 1,392,329,000   | 17.2%
  United States   | 335,893,238     | 4.2%

  关键注意事项：

  • ✅ 容错优先：添加 response.raise_for_status() 和 try-except，防止网络异常或解析失败导致程序崩溃；
  • ✅ 结构感知：不依赖固定列数，而是通过 len(data) 主动识别行类型，兼容未来维基页面微调；
  • ⚠️ 文本后处理（进阶）：若需进一步拆分 "China / India" 或 "1,409,670,000 / 1,392,329,000"，可结合正则（如 re.split(r'\s*/\s*', text)）实现细粒度解析；
  • ⚠️ 反爬提示：维基百科允许合理爬取，但建议添加 headers={'User-Agent': 'Mozilla/5.0'} 模拟浏览器请求，避免被限流。

  该方案以最小侵入性解决维基表格结构异构性问题，兼顾健壮性与可维护性，适用于类似多格式混排的网页数据提取场景。