Для парсинга таблицы используется bs4
, а для вывода таблицы как ascii библиотека tabulate
Код (пример text
в конце ответа):
# pip install tabulate
from tabulate import tabulate
# pip install bs4
from bs4 import BeautifulSoup
root = BeautifulSoup(text, 'html.parser')
trs = root.select_one('table').select('tr')
headers = [th.text for th in trs[0].select('th')]
rows = [
[td.text for td in tr.select('td')]
for tr in trs[1:]
]
print(tabulate(rows, headers=headers, tablefmt="grid"))
Результат:
+--------------------+-----------------+---------------------------------------------------------------+------------------+-------+
| Название фильма | Режиссёр | Актёрский состав | Рейтинг фильма | Год |
+====================+=================+===============================================================+==================+=======+
| Седьмая печать | Ингмар Бергман | Макс фон Сюдов, Гуннар Бьёрнстранд, Биби Андерссон | 5 | 1957 |
+--------------------+-----------------+---------------------------------------------------------------+------------------+-------+
| Остров проклятых | Мартин Скорсезе | Леонардо Ди Каприо, Марк Руффало, Бен Кингсли, Эмили Мортимер | 4 | 2010 |
+--------------------+-----------------+---------------------------------------------------------------+------------------+-------+
| Земляничная поляна | Ингмар Бергман | Виктор Шёстрём, Ингрид Тулин, Биби Андерссон | 5 | 1957 |
+--------------------+-----------------+---------------------------------------------------------------+------------------+-------+
| Час волка | Ингмар Бергман | Макс фон Сюдов, Лив Ульман, Ингрид Тулин | 3 | 1968 |
+--------------------+-----------------+---------------------------------------------------------------+------------------+-------+
UPD. Для большей обработки данных, их удобно подготовить, например, выше все значения ячеек были строками, а это не всегда удобно, тогда имеет смысл дописать парсер. Дополнительно добавил примеры сортировки списка rows
:
rows = []
for tr in trs[1:]:
name, director, actors, rating, year = (td.text for td in tr.select('td'))
rating = int(rating)
year = int(year)
rows.append([name, director, actors, rating, year])
rows.sort(key=lambda x: x[4]) # Сортировка по годам
# rows.sort(key=lambda x: (x[4], x[3], x[0])) # Сортировка по годам, рейтингу и названию
print(tabulate(rows, headers=headers, tablefmt="grid"))
Текст:
text = """
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="utf-8"/>
<meta content="width=device-width, initial-scale=1.0" name="viewport"/>
<title>Document</title>
</head>
<body>
<table>
<tr>
<th>Название фильма</th>
<th>Режиссёр</th>
<th>Актёрский состав</th>
<th>Рейтинг фильма</th>
<th>Год</th>
</tr>
<tr>
<td>Седьмая печать</td>
<td>Ингмар Бергман</td>
<td>Макс фон Сюдов, Гуннар Бьёрнстранд, Биби Андерссон</td>
<td>5</td>
<td>1957</td>
</tr>
<tr>
<td>Остров проклятых</td>
<td>Мартин Скорсезе</td>
<td>Леонардо Ди Каприо, Марк Руффало, Бен Кингсли, Эмили Мортимер</td>
<td>4</td>
<td>2010</td>
</tr>
<tr>
<td>Земляничная поляна</td>
<td>Ингмар Бергман</td>
<td>Виктор Шёстрём, Ингрид Тулин, Биби Андерссон</td>
<td>5</td>
<td>1957</td>
</tr>
<tr>
<td>Час волка</td>
<td>Ингмар Бергман</td>
<td>Макс фон Сюдов, Лив Ульман, Ингрид Тулин</td>
<td>3</td>
<td>1968</td>
</tr>
</table>
</body>
</html>
"""