python - beautifulsoup:如何获取表头中元素的索引

Question

我正在尝试提取表格标题中元素的索引，以便稍后可以使用结果在表格主体中选择适当的列。列的数量各不相同，但我需要的列在标题方面保持不变。

所以我想知道，例如，'third' 是表头中的索引 [2] 因此 ‹th>first‹/th>‹th>second‹/th>‹th>third ‹/th>‹th>第四‹/th>‹th>第五‹/th>然后，我可以通过选择 ‹td> 的索引号，在接下来的行中有选择地选择相关的 ‹td>。

这是我的尝试:

#TRIAL TO GET INDEXES FROM TABLE HEADERS
from bs4 import BeautifulSoup
html = '<table><thead><tr class="myClass"><th>A</th>'
'<th>B</th><th>C</th><th>D</th></tr></thead></table>'
soup = BeautifulSoup(html)

table = soup.find('table')

for hRow in table.find_all('th'):
hRow = hRow.index('A')
print hRow  

给予:

ValueError: Tag.index: element not in tag

有什么想法吗？

Answer 1

您可以找到所有标题并获取带有适当文本的标题的位置:

from bs4 import BeautifulSoup

html = """
<table>
    <thead>
        <tr class="myClass">
            <th>A</th>
            <th>B</th>
            <th>C</th>
            <th>D</th>
        </tr>
    </thead>
</table>
"""
soup = BeautifulSoup(html)

header_row = soup.select('table > thead > tr.myClass')[0]

headers = header_row.find_all('th')
header = header_row.find('th', text='A')
print headers.index(header)  # prints 0