直接用querySelectorAll('td')提取表格数据易出错，因td/th在DOM中扁平混排，遇colspan/rowspan或嵌套结构时索引错位；且缺失thead/tbody语义分组及scope属性，导致解析器无法区分表头与数据行，提取逻辑脆弱不可维护。
为什么直接用 querySelectorAll('td') 提取表格数据经常出错
因为没结构化分组的表格，td 和 th 在 DOM 中是扁平混排的，尤其当存在 colspan、rowspan 或嵌套 div 时，靠索引或顺序遍历极易错位。更麻烦的是，屏幕阅读器和爬虫无法区分哪行是标题、哪块是主体，导致提取逻辑脆弱且不可维护。
thead/tbody 不是可选装饰，是提取前提
没有显式 thead 和 tbody，JavaScript 或 BeautifulSoup 就无法可靠识别“哪些是列名、哪些是数据行”。很多老代码只写 table > tr > td，结果一遇到带汇总行的表格（比如最后一行是“合计”），data[0] 就不是表头而是第一条数据。
- 必须把所有列标题包进
<thead><tr>...</tr></thead> - 所有常规数据行放进
<tbody><tr>...</tr></tbody> - 避免把
tfoot当作普通数据行处理——它语义上属于“脚注”，不是主体数据 - 如果表格有多个逻辑区块（如分季度报表），优先拆成多个独立
table，而不是塞进一个大tbody
如何用 scope 属性让行列关系可被程序理解
单纯靠位置对齐（第 i 行第 j 列）在复杂表格里不成立。scope 是唯一能让解析器明确知道“这个 th 管的是整列还是整行”的标准方式。
DeepBI DHTML 页面生成器
下载
生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面，使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力： - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面； - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”； - 提及位于 `apps/console/src/featur
-
<th scope="col">姓名</th>→ 告诉解析器：该单元格定义一列数据 -
<th scope="row">张三</th>→ 表示该单元格是某一行的行标题（常用于第一列） - 不要依赖
scope="colgroup"或scope="rowgroup"：支持度差，主流爬虫基本不识别 - 当合并单元格时，
scope必须与colspan/rowspan语义一致，否则解析器会忽略
导出脚本里最容易漏掉的两件事
重构完 HTML 结构，不代表数据就能被正确提取。很多脚本卡在边界情况上，不是语法问题，而是语义断层。
立即学习“前端免费学习笔记（深入）”；
- 空单元格要显式写
<td> </td>或<td></td>，不能留空白文本节点，否则get_text()返回空字符串但 DOM 节点仍存在 - 数字类内容（如“95%”、“¥12,345.67”）别用纯文本塞进
td，加data-value属性存标准化值：<td data-value="95">95%</td>
结构越清晰，后续用 Pandas、XPath 或 Playwright 提取时就越少写兜底逻辑。真正难的从来不是怎么取，而是怎么让取出来的每一项都自带上下文。
