在python中的每条记录之后插入新行，并在记录元素之间插入逗号

Question

这是我解析html文件的代码。解析表后，我需要将每条记录存储在文件中，并且每条记录后都需要换行符，记录中的每个元素都应该用逗号分隔。我设法得到了换行符，但没有得到逗号。

这是我的代码：

from BeautifulSoup import BeautifulSoup
import re
import os
OUTFILE = os.path.join('company', 'a', 'viewids')
soup = BeautifulSoup(open("/company/a/searches/a"))
rows = soup.findAll("table",{"id":"cos"})
records = []
for tr in rows:
   cols = tr.findAll('td')
   for td in cols:
    record = td.contents[0]
    records.append(record+'n')
open(OUTFILE, 'w').writelines(records)

这是记录：

A CONSULTING TEAM INC 1040792 7380
A J&J PHARMA CORP 1140452 9995
My output is:
A CONSULTING TEAM INC
1040792
7380
A J&J PHARMA CORP
1140452
9995

Answer 1

逗

号分隔值

您描述的文件格式只是 CSV 格式。浏览维基百科并搜索"逗号分隔值"。

使用 Python，您可以使用 csv 包。转到 http://docs.python.org/2/library/csv.html 以查看文档。

编写 CSV 文件的最简单方法如下：

import csv
records = [[1951, 'Superman and the Mole Men', 'DC Comics', 'Lee Sholem'],
           [1966, 'Batman', 'DC Comics', 'Leslie H. Martinson'],
           [2002, 'Spider-Man', 'Marvel Comics', 'Sam Raimi'],
           [2008, 'Iron Man', 'Marvel Comics', 'Jon Favreau']]
with open('heros.csv', 'wb') as fp:
    writer = csv.writer(fp)
    writer.writerows(records)

结果是一个经典的 CSV 文件：

1951,Superman and the Mole Men,DC Comics,Lee Sholem
1966,Batman,DC Comics,Leslie H. Martinson
2002,Spider-Man,Marvel Comics,Sam Raimi
2008,Iron Man,Marvel Comics,Jon Favreau

当然，您可以添加标题：

with open('heros.csv', 'wb') as fp:
    writer = csv.writer(fp)
    writer.writerows([['Year', 'Film', 'Publisher', 'Director']])
    writer.writerows(records)

注意：标题是列表列表(查看双括号(

结果是以下 CSV 文件：

Year,Film,Publisher,Director
1951,Superman and the Mole Men,DC Comics,Lee Sholem
1966,Batman,DC Comics,Leslie H. Martinson
2002,Spider-Man,Marvel Comics,Sam Raimi
2008,Iron Man,Marvel Comics,Jon Favreau

读取 HTML 表

首先，使用 with 语句以安全的方式打开文件。

例如，要读取文本文件，请按如下方式处理：

with open('sample.txt', 'r') as fp:
    content = fp.read()

这样，如果在读取过程中发生错误，文件将自动在引发异常之前，在 with 语句的末尾关闭。什么都没有打开！

要读取带有BeautifulSoup的 HTML 表(我不知道(，您可以执行以下操作：

with open("/company/a/searches/a") as html_file:
    soup = BeautifulSoup(html_file)
    rows = soup.findAll("table", {"id": "cos"})
    records = []
    for tr in rows:
        record = []
        cols = tr.findAll('td')
        for td in cols:
            record.append(td.contents[0])
        records.append(record)

records列表将包含整个表。然后，您可以将其写入 CSV 文件。

处理 UNICODE 值

HTML 不包含 ASCII 字符串，但包含 UNICODE 字符串，我想 td.contents[0]将返回一个unicode实例。

但是，csv模块并不直接支持读取和写入 Unicode。因此，UTF-8 unicode您需要在CSV 序列化。我建议你看看unicode_csv_reader()函数在示例中：http://docs.python.org/2/library/csv.html#examples。

Answer 2

rows = soup.findAll("table",{"id":"cos"})[0].findAll('tr')
records = []
for tr in rows:
  cols = tr.findAll('td')
  record = ''
  for td in cols:
    if record != '': record = record + ', '
    record = record + td.contents[0]
  records.append(record + "n")