使用BeautifulSoup打印表格的第二列文本

Question

我编写了这段代码来从此页面的表格中获取文本。当我将其用于第一列时，它可以正常工作：

from bs4 import BeautifulSoup
import urllib2 #xbmc, xbmcgui, xbmcaddon

url = 'http://racing4everyone.eu/formula-e-201516/'
page = urllib2.urlopen(url)
soup = BeautifulSoup(page.read(), 'html.parser')

for row in soup.findAll('table')[0].tbody.findAll('tr'):
    first_column = row.findAll('th')[0].text
    print first_column

然而，当我尝试从第二列提取相同的数据时：

for row in soup.findAll('table')[0].tbody.findAll('tr'):
    second_column = row.findAll('th')[1].text
    print second_column

I get an error:

ePrix
Traceback (most recent call last):
  File "addon.py", line 9, in <module>
    second_column = row.findAll('th')[1].text
IndexError: list index out of range

我做错了什么？

- user4962385

Answer 1

这是因为除第一行外的所有行都只包含一个 th 元素：

<tr>
<th>1</th>
<td>...</td>
...
<td>24 October 2015</td>
</tr>

你需要找到每一行中所有的td或th元素，并获取第一个元素：

for row in soup.find_all('table')[0].tbody.find_all('tr')[1:]:
    print(row.find_all('td')[0].text)

[1:]这里是为了跳过第一行表头。

输出：

Beijing ePrix
Putrajaya ePrix
Punta del Este ePrix
Buenos Aires ePrix
Mexico
Long Beach ePrix
Paris ePrix
Berlin ePrix
Moscow ePrix
London ePrix Race 1
London ePrix Race 2

- alecxe

---

这可能是一个愚蠢的问题，但如果我想从第二列以外的另一列获取信息怎么办？那我该怎么做？ - user4962385

@LucEvertzen 当然，可以尝试使用索引进行操作：print(row.find_all('td')[1].text)，print(row.find_all('td')[2].text)等。 - alecxe

我尝试了这个，但出现了“列表索引超出范围”的错误。编辑：我弄清楚了，我目前正在尝试将其应用于不同的表格，该表格具有不同的结构。我会再试一下的。 - user4962385

@LucEvertzen 嗯，这是因为表格中合并单元格导致的。最后一行只有 2 个 td，而不是 3 个。我想你可以提出一个关于如何处理它的独立后续问题。请确保提供所有详细信息。谢谢。 - alecxe