推荐优先使用 pandas.read_html() 解析静态网页表格，因其自动处理结构、类型推断和定位；仅当表格混乱（如跨行跨列混用、无ID/class）或需精细控制时，才用 BeautifulSoup 手动解析并注意占位数组、空单元格和编码问题。
直接用 BeautifulSoup 解析表格再手动拼 CSV 是可行的，但容易漏掉跨行（rowspan）、跨列（colspan）单元格，也难处理嵌套标签或空单元格。推荐先用 pandas.read_html() 提取，再用 BeautifulSoup 做兜底或精细控制。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
什么时候该用 pandas.read_html() 而不是纯 BeautifulSoup
绝大多数静态网页表格（尤其是有清晰 <table> 结构的），<code>pandas.read_html() 会自动识别、解析并返回 DataFrame 列表，省去遍历 tr/td 的麻烦，还内置了 header、skiprows、attrs 等过滤参数。
常见适用场景：
- 表格没有 JS 渲染，源码里有完整
<table> <li>页面含多个表格，但目标表格有唯一 <code>id或class（可用attrs={"id": "my-table"}精准定位） - 需要保留数字类型（
pandas自动推断，BeautifulSoup默认全为字符串）
示例：
立即学习“Python免费学习笔记（深入）”；
import pandas as pd
dfs = pd.read_html("https://example.com/page.html", attrs={"class": "data-table"})
df = dfs[0] # 取第一个匹配表格
df.to_csv("output.csv", index=False)
必须用 BeautifulSoup 手动解析的几种情况
当表格结构混乱：比如 <td rowspan="2"> 和 <code><th> 混用、表头在 <code><tbody> 里、或者 <code><table> 标签被包裹在 <code><div> 中且无 class/id 时，<code>pandas.read_html() 可能失败或错位。
此时需手动遍历，关键点：
- 用
soup.find("table", {...})定位，别只靠find_all("table")硬索引 - 逐行处理
tr，对每个td或th检查rowspan/colspan属性，维护一个二维“占位数组”模拟渲染位置（否则会漏数据） - 用
get_text(strip=True)替代.text，避免换行符和多余空格 - 空单元格（
<td></td>）要显式写入""，否则 CSV 列数会错乱
简略示意逻辑：
from bs4 import BeautifulSoup
import csv
<p>soup = BeautifulSoup(html, "html.parser")
table = soup.find("table", {"id": "sales-data"})
rows = table.find_all("tr")</p><p>with open("output.csv", "w", newline="") as f:
writer = csv.writer(f)
for row in rows:
cells = row.find_all(["td", "th"])
writer.writerow([cell.get_text(strip=True) for cell in cells])
to_csv() 常见编码与格式陷阱
中文乱码、Excel 打开显示异常，基本都出在这几处：
- 保存时没指定
encoding="utf-8-sig"—— Excel 默认用系统编码读 UTF-8，不加BOM就是乱码；用"utf-8-sig"才能正常打开 -
index=False必须加，否则第一列多出序号，破坏表头对齐 - 字段含逗号、换行或双引号时，
csv.writer默认会用双引号包裹，但若原始文本已有未转义双引号，会导致 CSV 解析错位；建议用quoting=csv.QUOTE_MINIMAL（默认值）或更安全的QUOTE_ALL - 如果目标是给 Excel 用户用，别省略
newline=""参数，否则 Windows 上会多出空行
真正麻烦的是那些合并单元格 + 动态加载 + 表头错位的表格——这时候得结合 requests-html 或 selenium 渲染，再喂给 BeautifulSoup，而不是硬刚解析逻辑。
