知识卡片
表格抽取依赖结构定位
按table列表第9/13项找目标表是对这份页面结构的假设,页面增加表格就可能选错。应检查表头、列数与字段含义,再提取tr中的th/td并进行类型转换;成功构造DataFrame不证明抓到正确表。位置编号适合受控样例,不能当稳定的业务身份。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
tables[9] puts = tables[13] 每个表格都有一个标题行,然后才是数据行: In [915]: rows = calls.findall('.//tr') 对于标题行和数据行,我们希望获取每个单元格内的文本。对于标题行,就是th单元格,而对于数据行,则是td单元格: def _unpack(row, kind='td'): elts =
参考来源
- 位置:《利用Python进行数据分析》第6章《XML和HTML:Web信息收集》(spine287;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0273.html;u137-ch06-014)。
- 结论依据:原文在“tables[9]”附近的定义、例子或代码支撑本卡核心说明:按table列表第9/13项找目标表是对这份页面结构的假设,页面增加表格就可能选错。边界按已读前提解释;示例未执行。
- 原始内容:tables[9] puts = tables[13] 每个表格都有一个标题行,然后才是数据行: In [915]: rows = calls.findall('.//tr') 对于标题行和数据行,我们希望获取每个单元格内的文本。对于标题行,就是th单元格,而对于数据行,则是td单元格: def _unpack(row, kind='td'): elts =