Estoy tratando de raspar los datos de la tabla de un sitio web.BeautifulSoup, un diccionario de una tabla HTML
Aquí es una sencilla tabla de ejemplo:
t = '<html><table>' +\
'<tr><td class="label"> a </td> <td> 1 </td></tr>' +\
'<tr><td class="label"> b </td> <td> 2 </td></tr>' +\
'<tr><td class="label"> c </td> <td> 3 </td></tr>' +\
'<tr><td class="label"> d </td> <td> 4 </td></tr>' +\
'</table></html>'
deseado resultado de análisis es {' a ': ' 1 ', ' b ': ' 2 ', ' c ': ' 3 ', ' d ' : ' 4' }
Este es mi intento más cercano hasta el momento:
for tr in s.findAll('tr'):
k, v = BeautifulSoup(str(tr)).findAll('td')
d[str(k)] = str(v)
El resultado es:
{'<td class="label"> a </td>': '<td> 1 </td>', '<td class="label"> d </td>': '<td> 4 </td>', '<td class="label"> b </td>': '<td> 2 </td>', '<td class="label"> c </td>': '<td> 3 </td>'}
Conozco el parámetro text=True
de findAll()
pero no obtengo los resultados esperados cuando lo uso.
Estoy usando Python 2.6 y BeautifulSoup3.