BeautifulSoup, um dicionário de uma tabela HTML

Question

Aug 10, 2012, 02:38 PM

BeautifulSoup, um dicionário de uma tabela HTML

Eu estou tentando raspar dados de tabela de um site.

Aqui está uma tabela de exemplo simples:

t = '<html><table>' +\
    '<tr><td class="label"> a </td> <td> 1 </td></tr>' +\
    '<tr><td class="label"> b </td> <td> 2 </td></tr>' +\
    '<tr><td class="label"> c </td> <td> 3 </td></tr>' +\
    '<tr><td class="label"> d </td> <td> 4 </td></tr>' +\
    '</table></html>'

O resultado da análise desejada é{' a ': ' 1 ', ' b ': ' 2 ', ' c ': ' 3 ', ' d ' : ' 4' }

Esta é a minha tentativa mais próxima até agora:

for tr in s.findAll('tr'):
  k, v = BeautifulSoup(str(tr)).findAll('td')
  d[str(k)] = str(v)

Resultado é:

{'<td class="label"> a </td>': '<td> 1 </td>', '<td class="label"> d </td>': '<td> 4 </td>', '<td class="label"> b </td>': '<td> 2 </td>', '<td class="label"> c </td>': '<td> 3 </td>'}

Estou ciente dotext=True parâmetro defindAll() mas eu não estou obtendo os resultados esperados quando eu usá-lo.

Estou usando o python 2.6 e o BeautifulSoup3.