Python解决方案，可将HTML表转换为可读的纯文本

Question

我正在寻找一种将HTML表完全转换为可读的纯文本的方法。即给出输入：<table>    <tr>        <td>Height:</td>        <td>200</td>    </tr>    <tr>        <td>Width:</td>        <td>440</td>    </tr></table>我期望输出：Height: 200Width: 440我宁愿不使用外部工具，例如w3m -dump file.html，因为它们是（1）依赖于平台的，（2）我想对过程进行一些控制，并且（3）我认为它可以单独使用Python（带有或不带有额外模块）都是可行的。我不需要任何自动换行或可调整的单元格分隔符宽度。使用制表符作为单元格分隔符就足够了。

Answer 1

如何使用这个：

解析HTML表到Python列表？

但是，请使用collections.OrderedDict()而不是简单的字典来保留顺序。有了字典后，从字典中获取文本并设置其格式非常非常容易：

使用@Colt 45的解决方案：

import xml.etree.ElementTree

import collections

s = """\

<table>

    <tr>

        <th>Height</th>

        <th>Width</th>

        <th>Depth</th>

    </tr>

    <tr>

        <td>10</td>

        <td>12</td>

        <td>5</td>

    </tr>

    <tr>

        <td>0</td>

        <td>3</td>

        <td>678</td>

    </tr>

    <tr>

        <td>5</td>

        <td>3</td>

        <td>4</td>

    </tr>

</table>

"""

table = xml.etree.ElementTree.XML(s)

rows = iter(table)

headers = [col.text for col in next(rows)]

for row in rows:

    values = [col.text for col in row]

    for key, value in collections.OrderedDict(zip(headers, values)).iteritems():

        print key, value

输出：

Height 10

Width 12

Depth 5

Height 0

Width 3

Depth 678

Height 5

Width 3

Depth 4