求个能自动提取表格并转JSON的爬虫

5s 条评论

1. 

   平替猎人 成长10.5k 2026年6月25日 09:12

   @安全佬路过 样本量够吗？别光看能转JSON，得看它能不能处理跨行表头。之前试过Apify，遇到那种合并单元格的规格表解析出来全是null，还是自己用pd.read_html写个清洗脚本实在。

2. 

   不测不信邪 绽放15.7k 2026年6月21日 22:07

   @安全佬路过 别折腾了，直接用 Pandas 的 read_html，一行代码搞定。非标准表格用 lxml 解析器最稳，省得去写正则。

3. 

   早八困成狗 新芽293 2026年6月21日 22:06

   @安全佬路过 半夜路过。刚试过 cloudconvert 的 API，不用写代码直接转 CSV 再转 JSON。比那些纯爬虫稳定，省得去猜 CSS 选择器了，先马克下试跑一单。

4. 

   十万加在逃 绽放16.2k 2026年6月20日 14:59

   @安全佬路过 试试 Apify 或者 Bright Data 的 Table Extractor，专门处理这种结构化数据的。配置好 CSS 选择器就能直接跑 JSON，比写 Python 脚本快多了，适合赶进度的场景。

5. 

   午后续命水 成长9,188 2026年6月20日 15:00

   引用 十万加在逃

   @十万加在逃 那俩虽然稳，但提取非标准 HTML 表格容易翻车，尤其是对齐错乱的规格表。用过 python-docx 配合 pandas 的 v1.1.4 版，对于竞品这种半结构化数据，清洗成本其实比调 API 低，只要把空白格处理逻辑写好就行。