| 建设单位 | 项目名称 | 发文号 | 立案号 | 详情 |
| 中铁十六局集团有限公司 | 关于中铁十六局集团有限公司朝阳区青年路10号院项目2#住宅楼建设工程规划许可证延期的申请 | 2017规（朝）延字0001号 | 2017分延字0001 | 详情 |
| 北京博达顺源天然气有限公司 | 压缩天然气（CNG）加气母站 | 2017规函复市政字0002号 | 2017函市政字0001 | 详情 |
| 北京市平谷区教育委员会 北京市平谷区大华山镇大华山村经济合作社 | 教学楼、风雨操场及食堂 | 2017规（平）乡临建字0001号 | 2017分乡建字0001 | 详情 |
| 李甫全 | 翻改建住房（灰瓦1） | 2017规（西）条居字0001号 | 2017分条居字0001 | 详情 |
| 北京市花木有限公司 | 上水工程 | 2017规建市政否字0025号 | 2017市政建字0001 | 详情 |
| 北京地铁十六号线投资有限责任公司 | 北京地铁十六号线工程 区间工程 月坛南街站、阜外大街~月坛南街区间 | 2017规延市政字0004号 | 2017延市政字0001 | 详情 |
| 北京恒城投资发展集团有限公司 | 人才公租房项目 | 2017分复字0001 | 详情 | |
| 北京房地集团有限公司 | 和平街十四区简易住宅楼改造项目 | 2017规（朝）选字0002号 | 2017分选字0001 | 详情 |
| 北京市环亚创业生物工程技术有限责任公司 | 工业用房 | 2017分监字0001 | 详情 | |
| 北京公共交通控股（集团）有限公司 | 2017规竣市政字0001号 | 2017监市政字0001 | 详情 |
这是之前写的一个很简单的解析表格的，就是利用普通的遍历。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
@Time : 4/10/17
@File : normalForm.py
@Remark : 普通表解析
"""
class normalForm(object):
"""
:param: response
"""
def __init__(self):
self.item_dict = {
u"建设单位": "construction_unit",
u"项目名称": "project_name",
u"发文号": "issued_number",
u"立案号": "case_number",
}
def parser_item(self, response, table_xpath):
# 第一行为表头时，匹配表头从第二行开始
tr_first = 2
items_list = list()
trs = response.xpath("{}//tr".format(table_xpath)).extract()
for r in xrange(tr_first, len(trs) + 1):
items = list()
tds = response.xpath("{}//tr[{}]//td".format(table_xpath, r)).extract()
for d in xrange(1, len(tds) + 1):
shi_key = ''.join(response.xpath("{}//tr[{}]//td[{}]//text()".format(table_xpath, tr_first - 1, d)).extract()).replace(u'\xa0', '').replace(u'\r', '').replace(u'\t', '').replace(u'\n', '').replace(u' ', '')
shi_value = ''.join(response.xpath("{}//tr[{}]//td[{}]//text()".format(table_xpath, r, d)).extract()).replace(u'\xa0', '').replace(u'\r', '').replace(u'\t', '').replace(u'\n', '').replace(u' ', '')
if shi_key in self.item_dict and shi_value != '':
# print shi_key, '^^^^^^', shi_value
items.append({self.item_dict[shi_key]: shi_value})
if len(items) > 0:
items_list.append(items)
return items_list
if __name__ == '__main__':
pass
# response = xxx # 此处xxx为你的网页response
# table_xpath = "/table"
# normalForm().parser_item(response, table_xpath)