如何使用python从非结构化HTML中创建结构化数组

首先，我需要重申您的问题。该示例显示了一个div标签，其中包含一个A标签。该A标签具有您要为以下表中查找要使用的密钥的ID。该div标记后面一个table。该表的每一行都包含一个与上一个中标识的对象相关联的名称-值对A。

您的页面上充满了多个div标签，每个标签在我的上一段中都有介绍。

您想产生一些数据结构来方便地访问表数据并将其与命名对象相关联吗？

我有那个权利吗？

正如您所预言的，答案是使用BeautifulSoup。我们将创建一个字典，以id属性为键。字典中的每个值本身就是一个字典，由表中的“属性名称”作为键。

from bs4 import BeautifulSoup
from pprint import pprint

result = {}
soup = BeautifulSoup(page)
divs = soup.find_all("div", {"class":"info"})
for div in divs:
    name = div.find("a")["id"]
    table = div.find_next("table", {"class":"properties"})
    rows = table.find_all("tr", {"class":None})
    rowd = {}
    for row in rows:
        cells = row.find_all("td")
        rowd[cells[0].text] = cells[1].text
    result[name] = rowd
pprint (result)

或者，如果您更喜欢dict理解（就像我一样）：

result = {
    div.find("a")["id"]: {
        cells[0].text : cells[1].text
        for row in table.find_all("tr", {"class":None})
        for cells in [row.find_all("td")]
    }
    for div in soup.find_all("div", {"class":"info"})
    for table in [div.find_next("table", {"class":"properties"})]
}

pprint(result)

当指向您的示例数据时，将产生：

{'bc968f9fa2db71455f50e0c13ce50e871fS7f0e': {u'AppServer': u'WebLogic 10',
                                             u'SSL_Port': u'28443',
                                             u'configureBPMUIStaticContent': u'true',
                                             u'context': u'workspace',
                                             u'instance_home': u'/essdev1/app/oracle/Middleware/user_projects/epmsystem1',
                                             u'isCompact': u'false',
                                             u'maintVersion': u'11.1.2.2.0.66',
                                             u'port': u'28080',
                                             u'serverName': u'FoundationServices0',
                                             u'validationContext': u'workspace/status',
                                             u'version': u'11.1.2.0'}}

要使用数据结构，只需遵循字典。例如：

print result["bc968f9fa2db71455f50e0c13ce50e871fS7f0e"]["serverName"]