将'improper' HTML 表格转换为机器可读的内容

Question

我需要将数千个"迷你表"复制到CSV中。从本质上讲，每个"迷你表"实际上都应该是CSV表中的一行。问题是，来自网站的代码看起来像这样：

<li class="searchResult"> <div> <strong> <a href="www.link.com/">Junior Sales Rep</a> </strong> 
</div> <div class="tableTable"> <div class="tableRow"> <div class="tableCell"> Date of notification: 2022-09-23 <br> End date of waiting period: 2022-09-28 <br> Company Name <br> Toronto (Ontario) 
</div> <div class="tableCell"> PB-78 <br> Selection process: <span>22-563-ZB-B7S/span> </div> 
</div> </div> <div> <br><strong> Name of person being considered: </strong> Samuel Adams </div> <hr class="searchJobHrLine"> </li>

仅凭您的专业知识，这是否需要自定义大量代码来抓取并转换为CSV，或者有现成的方法吗？我曾考虑使用Beautiful Soup，但在我继续之前，我希望有一个聪明人来指导我应该采取的方向，或者如果这是一个失败的原因？

Answer 1

怎么样：

1. 在浏览器中查看网页
2. 将文本复制到Sublime或VScode等代码编辑器中
3. 使用多行选择(或"高光标"(将光标放在每行的末尾(或开头(
4. 在每行末尾加一个逗号，然后删除换行符
5. 如果表之间已经有一个额外的换行符，那么您就有了记录分隔符(您可能需要删除一些逗号(。或者，您可能必须找到数据的某个部分，您可以找到/替换该部分以添加换行符

Answer 2

我最终成功地使用了BS4。