从HTML提取表格数据到Excel：猫头虎博主的终极指南

import pandas as pd
from bs4 import BeautifulSoup
 
# 从HTML文件中提取表格数据
def extract_table_from_html(html_file_path):
    with open(html_file_path, 'r', encoding='utf-8') as file:
        html_content = file.read()
    
    soup = BeautifulSoup(html_content, 'html.parser')
    table = soup.find('table')  # 根据实际情况调整查找方式
    if table is None:
        return None
    
    # 将BeautifulSoup标签转换为pandas DataFrame
    df = pd.read_html(str(table))[0]
    return df
 
# 将DataFrame导出到Excel文件
def export_to_excel(df, excel_file_path):
    writer = pd.ExcelWriter(excel_file_path, engine='xlsxwriter')
    df.to_excel(writer, index=False, header=True)
    workbook  = writer.book
    worksheet = writer.sheets['Sheet1']
    # 格式化表格，例如设置宽度和字体样式
    format1 = workbook.add_format({'font_name': 'Arial', 'border': 1})
    worksheet.set_column('A:A', 20, format1)
    worksheet.set_column('B:B', 30, format1)
    # ... 根据实际需要设置更多列的宽度和格式
    writer.save()
    writer.close()
 
# 示例使用
html_file_path = 'example.html'
excel_file_path = 'output.xlsx'
df = extract_table_from_html(html_file_path)
if df is not None:
    export_to_excel(df, excel_file_path)

这段代码首先定义了从HTML文件中提取表格数据的函数extract_table_from_html，然后定义了将DataFrame导出到Excel文件的函数export_to_excel。示例使用部分展示了如何调用这两个函数来处理具体的HTML文件并将其中的表格数据导出为Excel格式。