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
2024年11月09日
2024年11月09日
- 雨林唱片《赏》新曲+精选集SACD版[ISO][2.3G]
- 罗大佑与OK男女合唱团.1995-再会吧!素兰【音乐工厂】【WAV+CUE】
- 草蜢.1993-宝贝对不起(国)【宝丽金】【WAV+CUE】
- 杨培安.2009-抒·情(EP)【擎天娱乐】【WAV+CUE】
- 周慧敏《EndlessDream》[WAV+CUE]
- 彭芳《纯色角3》2007[WAV+CUE]
- 江志丰2008-今生为你[豪记][WAV+CUE]
- 罗大佑1994《恋曲2000》音乐工厂[WAV+CUE][1G]
- 群星《一首歌一个故事》赵英俊某些作品重唱企划[FLAC分轨][1G]
- 群星《网易云英文歌曲播放量TOP100》[MP3][1G]
- 方大同.2024-梦想家TheDreamer【赋音乐】【FLAC分轨】
- 李慧珍.2007-爱死了【华谊兄弟】【WAV+CUE】
- 王大文.2019-国际太空站【环球】【FLAC分轨】
- 群星《2022超好听的十倍音质网络歌曲(163)》U盘音乐[WAV分轨][1.1G]
- 童丽《啼笑姻缘》头版限量编号24K金碟[低速原抓WAV+CUE][1.1G]