Python将HTML表格转换成excel

当我们在爬取网页时，可能会遇到一个需求，将网页中的 HTML 表格转换成 Excel 表格。这时候使用Python可以轻松地完成这个任务。下面，我将详细讲解如何使用Python将HTML表格转换成Excel。

第一步：安装第三方库

Python中非常有名的第三方库是 BeautifulSoup，它是一个HTML和XML的解析库，可以用来帮助我们解析HTML代码，提取出需要的信息，使得爬虫任务更加方便快捷。因此，首先需要安装 BeautifulSoup 库。在命令行（terminal）中输入以下命令：

pip install beautifulsoup4

安装完毕后，就可以开始使用 BeautifulSoup 库了。

第二步：爬取HTML表格数据

在我们将HTML表格转换成Excel表格之前，需要先从网站上获取HTML表格数据。这里我们以一个网站上的一个HTML表格为例子。在Python中，可以使用 requests 库来获取网页的HTML代码，并使用 BeautifulSoup 解析HTML代码提取出需要的表格数据。以下是示例代码：

import requests
from bs4 import BeautifulSoup
import pandas as pd

url = 'http://www.example.com/table.html'
response = requests.get(url)

soup = BeautifulSoup(response.text, 'html.parser')
table = soup.find_all('table')[0]

rows = table.findAll('tr')

在这个示例中，我们首先利用 requests 库获取网页HTML代码，再利用 BeautifulSoup 解析出HTML中的表格数据，并将每一行的数据存储在数组 rows 中。

第三步：将HTML表格数据转换成Excel表格

完成了前两步后，就可以开始将HTML表格数据转换成Excel表格了。这里我们使用 Python 中的 pandas 库的 DataFrame 类来生成Excel表格。以下是示例代码：

data = []
for row in rows:
    cols = row.findChildren(recursive=False)
    cols = [ele.text.strip() for ele in cols]
    data.append([ele for ele in cols if ele])

df = pd.DataFrame(data)
df.to_excel('output.xlsx', index=False, header=False)

在这个示例中，我们首先将每一行（即每一个 <tr> 标签）中的单元数据提取出来，并存储在数组 cols 中；对于每一个 <td> 标签，我们使用 strip() 函数去掉前后的空格，最后将所有单元格组成一个二维列表 data。然后，我们将这个二维列表传递给 DataFrame 类，生成一个 pandas 的数据框，最后通过 to_excel()方法将数据框保存为Excel表格。在这个例子中，我们将Excel表格存储到名为 output.xlsx 的文件中。

至此，我们已经使用Python将HTML表格转换成Excel表格。