Python如何实现读取HTML表格？如何解决pd.read_html()读取数据不完整？
翟嘉慧
优草派
对于大部分刚入门python的小伙伴来说，python如何读取html表格问题上还存在疑惑，今天带大家了解有关读取文件的一些操作，文件内容详细，操作简单，快跟着我一起来学习有关“Python如何实现读取HTML表格？如何解决pd.read_html()读取数据不完整？”吧，希望对大家的学习带来一定的帮助！
在python中，有读取一个html表格的功能，但是在操作的过程中不注意的话，可能会报错，比如我们现在有一个数据是xls格式的文件，我们对这个文件进行执行时，会遇到脚本的报错，
Xlrd报错：
xlrd.biffh.XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'<html xm'
读取xlrd的脚本代码如下：
data_lines = read_excel_file(self.file_path)
def read_excel_file(file_path):
"""
读取一个excel文件
"""
import xlrd
print('[Info] excel file: {}'.format(file_path))
book = xlrd.open_workbook(file_path)
sheet = book.sheet_by_index(0)
data_lines = []
for row in range(0, sheet.nrows):
line_data = []
for column in range(0, sheet.ncols):
val = sheet.cell(row, column).value
line_data.append(val)
data_lines.append(line_data)
return data_lines # 二维数组在这个代码里面，存在报错的原因就是它的文件格式是一个html,而我们使用pandas来对read_html读取文件的时候，需要将所有的nan替换为空字符，还要保持数据的一致性。
具体使用方法如下：
def read_html_table(file_path): """ 读取html表格 """ import pandas as pd pd_table = pd.read_html(file_path) df = pd_table[0] df_data = df.values.tolist() df_data = df_data[1:] for r_idx, row in enumerate(df_data): for c_idx, value in enumerate(row): if value != value: df_data[r_idx][c_idx] = "" return df_data
这就是一个正确的使用pandas来读取一个html文件。
在使用read_html读取数据时，假设我们遇到的是一个比较大的数据，使用这个来读取部分数据的话，会发现在read_html中读出来的数据是不完整的，那么如何解决这个问题呢？
首先我们可以先检查一下html和table，如果都没有问题的话，那就是pd.read_html的默认解析器问题，我们可以去默认的 'lxml' 解析器中，添加一个参数叫做flavor=‘bs4’。
关于“Python如何实现读取HTML表格？如何解决pd.read_html()读取数据不完整？”的内容讲解到这就结束了，希望通过以上内容的学习对你会有一定的帮助。
【原创声明】凡注明“来源：优草派”的文章，系本站原创，任何单位或个人未经本站书面授权不得转载、链接、转贴或以其他方式复制发表。否则，本站将依法追究其法律责任。