python 调用xlrd 读取excel 内容BeautifulSoup获取html特定标签的属性

本文详细介绍了如何使用Python的xlrd库读取包含HTML代码的Excel文件,并结合BeautifulSoup解析HTML,提取所有img标签的src地址,适用于处理大量数据的场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

需求:有一个excel 中只有一列 八百多行,内容为html代码,要从中取出所有的img 标签的所有src 地址

python 读取excel 插件很多,最简单常用的还是xlrd xlwt 这连个,两个互补,xlrd读取,xlwt 写入

从网上找到一张操作excel的插件对比表

xlrd 读取excel 的代码如下,xlrd 只能操作xls文件,xlsx文件会报错

wb = xlrd.open_workbook(filename="00excel/list.xls")
table=wb.sheet_by_index(0)
nrows111 = table.nrows                 #行数
ncols111 = table.ncols                 #列数

读取到内容之后 调用BeautifulSoup进行html 解析,获取img 的src地址

soup = bs(con, 'html.parser')
#imglist=soup.find_all('img')
for link in soup.find_all("img"):
	print(link['src'])

国内pip 安装插件的时候会提示服务器拒绝访问啥的 ,可以使用国内的镜像源

1.安装xlwt

pip install -i https://pypi.douban.com/simple xlwt

 

2.安装 BeautifulSoup

pip install -i https://pypi.douban.com/simple bs4

完整代码如下

import xlrd
import re
from bs4 import BeautifulSoup as bs



wb = xlrd.open_workbook(filename="00excel/list.xls")
table=wb.sheet_by_index(0)
nrows111 = table.nrows                 #行数
ncols111 = table.ncols                 #列数

#print(table)
print("行数")
print(nrows111)
print("列数")
print(ncols111)
con=""
for rowi in range(nrows111):   
	#print(table.row(rowi))#按行打印数据
	con=con+table.cell(rowi,0).value


#print(con)



soup = bs(con, 'html.parser')
#imglist=soup.find_all('img')
for link in soup.find_all("img"):
	print(link['src'])

 

### 如何使用 Python 的 `xlrd` 库读取 Excel 表格 以下是关于如何使用 `xlrd` 库在 Python读取 Excel 表格的具体方法以及示例代码。 #### 安装 `xlrd` 庿 在使用 `xlrd` 前,需先安装该库。可以通过以下命令完成安装: ```bash pip install xlrd ``` #### 示例代码解析 下面是一个完整的示例代码,展示如何利用 `xlrd` 读取 Excel 文件中的数据: ```python # 导入所需模块 import xlrd # 打开指定的Excel文件 wb = xlrd.open_workbook('example.xlsx') # 获取工作表对象 sheet = wb.sheet_by_index(0) # 根据索引获取第一个工作表 print(f'sheet的名称:{sheet.name}') # 输出工作表名称[^3] # 获取表格基本信息 total_rows = sheet.nrows # 总行数 total_cols = sheet.ncols # 总列数 print(f'sheet的总行数:{total_rows}') print(f'sheet的总列数:{total_cols}') # 读取特定单元格的数据 cell_value_1 = sheet.cell_value(rowx=1, colx=0) # 第2行第1列的值 (注意:行列号从0开始计数) print(f'第2行第1列的值为:{cell_value_1}') # 读取整行或整列的数据 row_values = sheet.row_values(2) # 获取第3行的所有值 col_values = sheet.col_values(1) # 获取第2列的所有值 print(f'第3行的值为:{row_values}') print(f'第2列的值为:{col_values}') # 遍历整个表格并打印所有数据 for row_idx in range(total_rows): row_data = sheet.row_values(row_idx) print(f'第 {row_idx + 1} 行的数据为:{row_data}') ``` 此代码展示了以下几个功能点: - **打开 Excel 文件** 并加载到内存中。 - **访问具体的工作表** 可以通过索引或者名字实现。 - **获取基本属性** 包括行数和列数。 - **读取单个单元格、整行或整列的内容**。 - **遍历整个表格** 将其内容逐一输出。 #### 处理合并单元格的情况 如果 Excel 文件中有合并单元格,则需要特别处理。可以借助 `merged_cells` 属性来识别这些区域,并提取对应的值。例如: ```python # 查找合并单元格的位置 merged_cells = sheet.merged_cells # 返回一个列表 [(起始行, 结束行, 起始列, 结束列), ...] if merged_cells: for item in merged_cells: start_row, end_row, start_col, end_col = item value = sheet.cell_value(start_row, start_col) print(f'合并单元格位置({start_row}, {end_row}) ({start_col}, {end_col}), 对应值为:{value}') ``` 以上代码片段可以帮助开发者正确解读含有复杂结构(如合并单元格)的 Excel 数据[^3]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值