应先定位目标容器再查表或递归查找所有table；对tr要优先用find_all或select并处理tbody；跨行跨列需模拟渲染或改用pandas.read_html()。
表格嵌套太深，find_all("table") 只拿到外层怎么办？
直接调用 find_all("table") 通常只返回最外层的 table 元素，内部嵌套的表格不会被“自动展开”——BeautifulSoup 不会递归搜索子树中的同名标签，除非你显式指定作用域。
正确做法是：先定位到目标容器（比如某个 div 或 section），再在其内部调用 find_all("table")；或者对已获取的表格节点反复调用 find_all("table") 来挖掘嵌套层级。
- 推荐用
recursive=True（默认值）确保子树遍历，但注意它不解决“从哪开始找”的问题 - 若知道嵌套层数（如三级表格），可用链式调用：
outer_table.find("table").find("table")，但容易触发AttributeError - 更稳健的方式是写个递归函数收集所有
table，并记录其深度（用len(list(tag.parents))粗略估算）
find("tr") 返回空，但浏览器里明明有行？
常见原因是表格结构不规范：缺少 tbody，或把 tr 直接写在 table 下，而某些解析器（如 lxml）会自动补全，html.parser 则更严格。BeautifulSoup 默认使用 html.parser，遇到无 tbody 的表格时，table.find("tr") 可能失败，因为 tr 实际在隐式 tbody 里。
- 始终优先用
table.select("tr")或table.find_all("tr")，而非find("tr")（后者只找第一个，且易因结构跳过） - 显式处理
tbody：table.find("tbody") or table，再在其上查tr - 检查原始 HTML 是否真含
tr：打印str(table)[:200]，确认标签未被 JS 动态注入（此时 requests 拿不到，需换 Playwright 或 Selenium）
提取跨行（rowspan）/跨列（colspan）单元格时数据错位
BeautifulSoup 不解析表格逻辑，它只按 DOM 树顺序返回 td 和 th。遇到 rowspan="2"，同一单元格会在两行中重复出现，但原始语义是“占两行”，直接按行取列会导致列数不一致、对齐错乱。
立即学习“Python免费学习笔记（深入）”；
- 不要用
[td.get_text() for td in row.find_all("td")]硬切——这忽略合并属性 - 需手动模拟表格渲染：维护一个二维数组（如
grid[row][col]），遍历每行每单元格，根据rowspan/colspan值向右、向下“填空” - 轻量方案：用
pandas.read_html()替代（它内置处理 rowspan/colspan），但要求表格结构相对规整，且会丢弃部分 HTML 属性
中文乱码、空格缩进干扰 get_text() 结果
get_text() 默认保留所有空白符，包括换行、制表符和不间断空格（ ），导致清洗后仍带多余空格或乱码（尤其 GBK 编码网页未声明 charset 时）。
- 始终在
BeautifulSoup(html, "html.parser")中显式传入编码：BeautifulSoup(html, "html.parser", from_encoding="utf-8")或from_encoding="gbk" - 清洗文本用
td.get_text(strip=True).replace("\u00a0", " ").replace("\n", " ")，其中\u00a0是 的 Unicode - 避免
strip()过度：有些表格靠空格对齐（如纯文本报表），此时改用正则re.sub(r"\s+", " ", text)更可控
嵌套表格的真实难点不在“找得到”，而在“理得清父子关系”和“还原语义对齐”。一旦涉及 rowspan、动态加载或编码混杂，手工解析很快失控——这时候该考虑是否真需要 BeautifulSoup，还是换 pandas.read_html() 或预处理 HTML 再解析。
