Пытаюсь вытащить данные из *.html таблицы.
Сначала парсил используя BeautifulSoup, по времени в среднем 2сек. Думаю это долго.
Решил попробовать использовать pandas, но так как не доводилось им пользоваться ранее, возникает ряд вопросов.
Дано:
- HTML файл с множеством таблиц.
- Структура заголовков может меняться (например порядок, их количество или положение относительно тега table).
- Порядок строк и полей так же может меняться.
- Строка
Итого
может как присутствовать так и отсутствовать.
Задача:
- Получить все
Артикулы
и их количественные показатели из полей(Расход, Конечный остаток)
в виде:
списка[['Артикул',float(Расход), float(Конечный остаток)]]
или
словаря{str(Артикул):[float(Расход), float(Конечный остаток)]}
Все это необходимо для последующей обработки.
Пример таблицы:
<table style="width:100%; height:0px; " cellspacing=0>
<col width=98>
<col width=490>
<col width=43>
<col width=84>
<col width=84>
<col width=84>
<col width=84>
<col>
<tr class=r3>
<td class="r6c0" colspan=3>Склад</td>
<td class="r6c0" colspan=4>Количество</td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r7>
<td class="r7c0">Артикул</td>
<td class="r7c0">Номенклатура</td>
<td class="r7c0">Ед. изм.</td>
<td class="r7c0">Начальный остаток</td>
<td class="r7c0">Приход</td>
<td class="r7c0">Расход</td>
<td class="r7c0">Конечный остаток</td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r8>
<td class="r8c0" colspan=3></td>
<td class="r8c3"><span style="white-space:nowrap;max-width:0px;">7 319,000</span></td>
<td class="r8c3"><span style="white-space:nowrap;max-width:0px;">2 569,000</span></td>
<td class="r8c3"><span style="white-space:nowrap;max-width:0px;">2 318,000</span></td>
<td class="r8c3"><span style="white-space:nowrap;max-width:0px;">7 570,000</span></td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r8>
<td class="r9c0"><span></span></td>
<td class="r9c1">Категория 1</td>
<td class="r9c0"><span></span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">7,000</span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">2,000</span></td>
<td class="r9c3"><span></span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">9,000</span></td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r8>
<td class="r10c0">AC753963</td>
<td class="r10c1">Продукт 1</td>
<td class="r10c0">шт</td>
<td class="r10c3"><span style="white-space:nowrap;max-width:0px;">1,000</span></td>
<td class="r10c3"><span></span></td>
<td class="r10c3"><span></span></td>
<td class="r10c3"><span style="white-space:nowrap;max-width:0px;">1,000</span></td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r8>
<td class="r10c0">AX352094</td>
<td class="r10c1">Продукт 2</td>
<td class="r10c0">шт</td>
<td class="r10c3"><span></span></td>
<td class="r10c3"><span style="white-space:nowrap;max-width:0px;">2,000</span></td>
<td class="r10c3"><span></span></td>
<td class="r10c3"><span style="white-space:nowrap;max-width:0px;">2,000</span></td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r8>
<td class="r9c0"><span></span></td>
<td class="r9c1">Категория 2</td>
<td class="r9c0"><span></span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">3 351,000</span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">923,000</span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">689,000</span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">3 585,000</span></td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r8>
<td class="r9c0"><span></span></td>
<td class="r15c1">Категория 2.1</td>
<td class="r9c0"><span></span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">10,000</span></td>
<td class="r9c3"><span></span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">1,000</span></td>
<td class="r9c3"><span style="white-space:nowrap;max-width:0px;">9,000</span></td>
<td><span></span></td>
<td></td>
</tr>
<tr class=r8>
<td class="r10c0">ZF1201</td>
<td class="r16c1">Продукт 14</td>
<td class="r10c0">шт</td>
<td class="r10c3"><span style="white-space:nowrap;max-width:0px;">1,000</span></td>
<td class="r10c3"><span></span></td>
<td class="r10c3"><span></span></td>
<td class="r10c3"><span style="white-space:nowrap;max-width:0px;">1,000</span></td>
<td><span></span></td>
<td></td>
</tr>
<!--...N-->
<tr class=r3>
<td class="r2240c0" colspan=3><span style="white-space:nowrap;max-width:0px;">Итого</span></td>
<td class="r2240c3"><span style="white-space:nowrap;max-width:0px;">7 319,000</span></td>
<td class="r2240c3"><span style="white-space:nowrap;max-width:0px;">2 569,000</span></td>
<td class="r2240c3"><span style="white-space:nowrap;max-width:0px;">2 318,000</span></td>
<td class="r2240c3"><span style="white-space:nowrap;max-width:0px;">7 570,000</span></td>
<td><span></span></td>
<td></td>
</tr>
</table>