Estoy tratando de extraer la primera y tercera columnas deesta tabla de datos utilizando BeautifulSoup. De mirar el HTML la primera columna tiene una<th> etiqueta. La otra columna de interés tiene como<td> etiqueta. En cualquier caso, todo lo que he podido sacar es una lista de la columna con las etiquetas. Pero, solo quiero el texto.

table Ya es una lista, así que no puedo usarfindAll(text=True). No estoy seguro de cómo obtener la lista de la primera columna en otra forma.

from BeautifulSoup import BeautifulSoup
from sys import argv
import re

filename = argv[1] #get HTML file as a string
html_doc = ''.join(open(filename,'r').readlines())
soup = BeautifulSoup(html_doc)
table = soup.findAll('table')[0].tbody.th.findAll('th') #The relevant table is the first one

print table