Как разобрать таблицу HTML, используя pyquery?

Question

Как разобрать таблицу HTML, используя pyquery? [См. HTML-таблицу с исходным кодом на http://pastie.org/pastes/8556919

Результат: {

"category_1": {"cat1_el1_label": "cat1_el1_value",},

"Category_2":{"cat2_el1_label":"cat2_el1_value"},

"Category_3": { "cat3_el1_label": "cat3_el1_value",}

}

Большое спасибо.

Answer 1

Простой способ:

from pyquery import PyQuery
from collections import defaultdict

doc = PyQuery(html)
values = defaultdict(dict)
for tr in doc('tr').items():
    if tr('th.title'):
        title = tr('th.title').text()
    else:
        items = zip(tr('.properties_label').items(),
                    tr('.properties_value').items())
        values[title].update(dict([(k.text(), v.text()) for k, v in items]))

Результат:

defaultdict(<type 'dict'>, {'Category_3': {'cat3_el1_label': 'cat3_el1_value'},
                            'Category_2': {'cat2_el1_label': 'cat2_el1_value'},
                            'Category_1': {'cat1_el1_label': 'cat1_el1_value'}})

Answer 2

Как-то так... Хотя я не уверен, что я думаю о pyquery (попробуйте BeautifulSoup)

from pyquery import PyQuery as pq

>>> p = pq(html)
>>> p = d(".properties_label span")
>>> for x in p:
...   print x.text
...
cat1_el1_label
cat2_el1_label
cat3_el1_label

>>> p = d(".properties_value")
>>> for x in p:
...   print x.text
...
cat1_el1_value
cat2_el1_value
cat3_el1_value