从<p>而不是<table>中的html表中提取数据

Question

我一直在使用pd.read_html尝试从url中提取数据，但是这些数据列在

标签而不是。我可能在这里错过了一个简单的教训，但我不知道用什么函数来获得一个好的结果(一个表)，而不是我得到的长字符串。如有任何建议，将不胜感激！我使用了这两种方法，得到了相同的结果：

 `import requests     import pandas as pd     url ='http://www.linfo.org/acronym_list.html'     dfs = pd.read_html(url, header =0)     df = pd.concat(dfs)     df`

import pandas as pd
url ='http://www.linfo.org/acronym_list.html'
data = pd.read_html(url, header=0)
data[0]

Out1

ABCDEFGHIJKLMNOPQRSTUVWXYZ高级微设备API应用编程接口ARP地址解析协议ARPANET高级研究项目代理网络作为自主系统ASCII美国标准信息交换代码AT&T美国电话电报公司ATA先进技术附件ATM异步传输模式B字节BELUG Bellevue Linux用户组BGP边界网关协议

Answer 1

我使用BeautifulSoup解析请求html每个标记p和br，最后的结果是一个dataframe...later，您可以将它导出到一个excel文件中.我希望这能帮助您

from bs4 import BeautifulSoup
import requests
import pandas as pd

result = requests.get('http://www.linfo.org/acronym_list.html')
c = result.content
soup = BeautifulSoup(c, "html.parser")
samples = soup.find_all("p")

rows_list = []

for row in samples:
    tagstrong = row.find_all("strong")
    for x in tagstrong:
        #print(x.get_text())
        tagbr = row.find_all("br")
        for y in tagbr:
            new_row = {'letter':x.get_text(), 'content':y.next}
            rows_list.append(new_row)

df1 = pd.DataFrame(rows_list)
print(df1.head(10))

其结果是：

​

​