本文实例讲述了python实现将html表格转换成CSV文件的方法。分享给大家供大家参考。具体如下:
使用方法:python html2csv.py *.html
这段代码使用了 HTMLParser 模块
#!/usr/bin/python # -*- coding: iso-8859-1 -*- # Hello, this program is written in Python - http://python.org programname = 'html2csv - version 2002-09-20 - http://sebsauvage.net' import sys, getopt, os.path, glob, HTMLParser, re try: import psyco ; psyco.jit() # If present, use psyco to accelerate the program except: pass def usage(progname): ''' Display program usage. ''' progname = os.path.split(progname)[1] if os.path.splitext(progname)[1] in ['.py','.pyc']: progname = 'python '+progname return '''%s A coarse HTML tables to CSV (Comma-Separated Values) converter. Syntax : %s source.html Arguments : source.html is the HTML file you want to convert to CSV. By default, the file will be converted to csv with the same name and the csv extension (source.html -> source.csv) You can use * and "' self.inTD = 1 def end_td(self): if self.inTD: self.CSVrow += '",' self.inTD = 0 def handle_data(self, data): if self.inTD: self.CSVrow += self.re_multiplespaces.sub(' ',data.replace('\t',' ').replace('\n','').replace('\r','').replace('"','""')) def getCSV(self,purge=False): ''' Get output CSV. If purge is true, getCSV() will return all remaining data, even if <td> or <tr> are not properly closed. (You would typically call getCSV with purge=True when you do not have any more HTML to feed and you suspect dirty HTML (unclosed tags). ''' if purge and self.inTR: self.end_tr() # This will also end_td and append last CSV row to output CSV. dataout = self.CSV[:] self.CSV = '' return dataout if __name__ == "__main__": try: # Put getopt in place for future usage. opts, args = getopt.getopt(sys.argv[1:],None) except getopt.GetoptError: print usage(sys.argv[0]) # print help information and exit: sys.exit(2) if len(args) == 0: print usage(sys.argv[0]) # print help information and exit: sys.exit(2) print programname html_files = glob.glob(args[0]) for htmlfilename in html_files: outputfilename = os.path.splitext(htmlfilename)[0]+'.csv' parser = html2csv() print 'Reading %s, writing %s...' % (htmlfilename, outputfilename) try: htmlfile = open(htmlfilename, 'rb') csvfile = open( outputfilename, 'w+b') data = htmlfile.read(8192) while data: parser.feed( data ) csvfile.write( parser.getCSV() ) sys.stdout.write('%d CSV rows written.\r' % parser.rowCount) data = htmlfile.read(8192) csvfile.write( parser.getCSV(True) ) csvfile.close() htmlfile.close() except: print 'Error converting %s ' % htmlfilename try: htmlfile.close() except: pass try: csvfile.close() except: pass print 'All done. '
希望本文所述对大家的Python程序设计有所帮助。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
暂无“python实现将html表格转换成CSV文件的方法”评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新动态
2025年01月11日
2025年01月11日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]