这两天在整理资料的时候遇到了一个难题。本想把网页上的表格内容复制过来，但是复制的内容全乱了！如果你自己一点一点地跟着表格的内容走，那就太麻烦了！动动脑筋，看看有什么办法可以解决这个问题。
处理表格网页上有三种形式的表单:
最简单的是用表格标签直接在网页上显示固定数据。这种网页表格内容不是随着网页的刷新而刷新，而是内容固定的。用table tab显示数据稍微复杂一点，但是随着网页的刷新或者用户的不同，数据呈现的数据也不同。这样的表格数据获取需要分析并提交链接请求、参数等。，这个比较复杂。相比以上，更简单的是将excel表单保存为网页，然后供用户浏览。所以我们可以直接下载这个网页，用excel打开。本文介绍的方法可以解决表格的第一种和第二种形式！
1.html解析库lxml
我们先介绍一下使用的关键库。这里主要用的是lxml库。是一个python解析库，支持HTML和XML解析，XPath解析，解析效率很高。
简单来说，它做一件事。它按照一定的规则，从html文件中的这些标签中找到包含你指定内容的标签，然后获取标签中的内容。这个规则是怎么定义的？这里不得不说，XPath解析方法，通过它提供的语法，可以快速定位标签，然后获取里面的内容。
小伙伴可能会有疑惑，但是XPath语法不行怎么办？没关系，浏览器会帮你的。
XPath获取在我们想要获取内容的地方，点击鼠标右键选择Check，然后开发者工具就会打开，在html中定位我们想要获取的内容。然后在那个位置右击鼠标，选择Copy-> Copy Xpath，得到这个内容的Xpath，然后用lxml解析，得到你想要的内容。
2.“复制”表单并编码！
1.获取网页
为了解决第一种和第二种表单的问题，我们需要将表单的内容完整的展现在网页上，然后Ctrl+s保存网页。这样，保存的网页就包含了表单的所有信息。
下载下来的网页2.分析下载的html
我们首先使用浏览器自带的Copy xpath获取内容的Xpath，然后使用lxml库中的Xpath方法解析Xpath。
向xpath路径添加文本表示提取了标记中的内容。因为头信息的Xpath不同于数值信息的Xpath，所以分别提取头信息和数值信息，并且返回两个列表header_result和row_result。
但是，获取的内容包含空、换行符等不必要的符号。接下来，清理获取的内容以移除这些符号。
清洗内容根据这个表格的特点，我们分别提取了标题信息和数字信息，但是在写文件的时候是按照表格一行一行的写，这就需要我们把标题信息和数字信息关联起来。
关联后存储在row_result_clear_total列表中的信息是逐行的，每一行都包含标题和具体的数值信息。
关联后最后，该列表信息存储在一个. csv文件中。
存入csv这样，我们就“复制”了htm中包含的所有表格信息。用excel表格打开csv文件，我们可以看到所有的表格信息。如你所见，表格化的数据没有任何的无序，以至于几行代码就可以“复制”出几百行或者几千行甚至更多的web表格，省时省力！
结果感谢您的阅读。如果觉得增长了见识，可以喜欢一下，收藏起来以备不时之需吗？
感兴趣的朋友可以关注我，欢迎留言讨论。请注明出处。
