python提取html表格_用Python抓取HTML表格

作者 | Syed Sadat Nazrul

来源 | Towards Data Science

编辑| 代码医生团队

首先，我们将尝试抓取在线口袋妖怪数据库。

(http://pokemondb.net/pokedex/all)

检查HTML

在继续前进之前，我们需要了解我们想要抓住的网站的结构。这可以通过单击右键单击我们要刮去的元素然后点击“Inspect”来完成。为了我们的目的，我们将检查表格的元素，如下图所示：

检查HTML表格的单元格

根据HTML代码，数据存储在

.. tr>之后。这是行信息。每行都有相应的 .. td>或单元格数据信息。

导入库

我们需要获取网站HTML内容的请求和lxml.html来解析相关字段。最后，我们将数据存储在Pandas Dataframe上。

import requests

import lxml.html as lh

import pandas as pd

刮表细胞

下面的代码允许我们获取HTML表的Pokemon统计数据。

url=