企业官网建设流程全解析

网页里的信息很多，但表格是最特殊的一种——它天生就是结构化数据，一行一行、一列一列排好了，抓下来直接就能用，存成 CSV 打开就是整齐的表格。

今天教两种方法：

• 方法一：BeautifulSoup 手动解析——灵活，什么表格都能搞定
• 方法二：pandas.read_html一键提取——懒人福音，一行代码

先看 HTML 表格长什么样

一个标准表格的结构：

<table><thead><tr><th>排名</th><th>电影名称</th><th>评分</th><th>年份</th></tr></thead><tbody><tr><td>1</td><td>肖申克的救赎</td><td>9.7</td><td>1994</td></tr><tr><td>2</td><td>霸王别姬</td><td>9.6</td><td>1993</td></tr></tbody></table>

关键标签记一下：

抓表格的思路就一句话：先找到 table，一行一行读，每行再一格一格读。

方法一：BeautifulSoup 手动解析

基本思路

1. requests拿到网页 HTML
2. 找到目标<table>
3. 提取表头<th>当列名
4. 遍历每行<tr>，提取<td>内容
5. 组装成 DataFrame

核心代码

frombs4importBeautifulSoupimportpandasaspd# 假设 html 是 requests.get(url).text 拿到的网页源码soup=BeautifulSoup(html,'lxml')table=soup.find('table',class_='movie-rank')# 找到目标表格# 第一步：提取表头headers=[]thead=table.find('thead')ifthead:header_row=thead.find('tr')headers=[th.get_text(strip=True)forthinheader_row.find_all('th')]else:# 没有 thead 就取第一行当表头first_row=table.find('tr')headers=[c.get_text(strip=True)forcinfirst_row.find_all(['th','td'])]# 第二步：提取数据行tbody=table.find('tbody')rows=tbody.find_all('tr')iftbodyelsetable.find_all('tr')[1:]data=[[c.get_text(strip=True)forcinrow.find_all('td')]forrowinrows]# 第三步：转成 DataFrame 并保存df=pd.DataFrame(data,columns=headers)print(df)df.to_csv('movie_rank.csv',index=False,encoding='utf-8-sig')

两个小细节：

• get_text(strip=True)自动去掉文字首尾的空格换行，表格数据干净很多
• 没有<thead>的表格，把第一行当表头兜底，不崩

方法二：pandas.read_html 一键提取

如果你能少写一行就绝不多写，这个方法你会爱上——一行代码，把页面所有表格全提取出来。

importpandasaspd# 就一行：直接从 URL 提取所有表格，返回 DataFrame 列表tables=pd.read_html('目标网页地址')print(f"页面上找到{len(tables)}个表格")df=tables[0]# 取第一个表格print(df.head())

不用 BeautifulSoup，不用遍历 tr/td，pandas 全包了。

注意事项（坑）

1. 返回的是列表，不是单个 DataFrame。页面上可能有好几个表格，打印每个的行数列数来判断哪个是你要的。

2. 需要装 lxml：

pipinstalllxml

3. 只能抓静态表格。JS 动态加载的表格，read_html抓不到（后面会讲怎么处理动态网页）。

4. 表头识别可能不准，手动指定：

tables=pd.read_html(url,header=None)df=tables[0]df.columns=['排名','名称','评分','年份']

两种方法怎么选？

一句话：简单表格直接 pandas，复杂表格上 BeautifulSoup。

进阶技巧：表格里带链接一起抓

read_html只能拿到文字，拿不到链接。需要连网址一起抓下来（比如后续要爬详情页），用 BeautifulSoup：

forrowinrows:cells=row.find_all('td')link_tag=cells[1].find('a')# 第二列是链接movie_name=link_tag.get_text(strip=True)iflink_tagelsecells[1].get_text(strip=True)movie_url=link_tag.get('href')iflink_tagelse''data.append([cells[0].get_text(strip=True),movie_name,movie_url,cells[2].get_text(strip=True)])

真实运行效果

两种方法在配套资源包里跑一遍：

方法一 BeautifulSoup 手动解析：表头、5 行数据全部提取，转成 DataFrame 并存入 CSV；方法二read_html同样一行拿到整个表格；进阶的带链接提取也正常。三种玩法全跑通。

今天学了什么

1. HTML 表格结构：table > thead/tbody > tr > th/td
2. 手动解析：BeautifulSoup 找 table → 提表头 → 遍历行 → 转 DataFrame
3. 一键提取：pd.read_html(url)返回表格列表，一行搞定
4. 选择标准：简单用 pandas，复杂用 BeautifulSoup
5. 编码存 CSV：utf-8-sig，Excel 打开不乱码

完整可跑工程版（模拟电影排行榜实战 + read_html + 带链接进阶提取）在配套资源包里。

下一篇讲数据批量保存：怎么存成 CSV，怎么翻页一次抓好几页。

梅雅达编程工作室 · Python数据实战系列第3篇
简单表格直接 pandas，复杂表格上 BeautifulSoup——记住这一句，九成场景都不会慌。