48 lines
1.9 KiB
Python
48 lines
1.9 KiB
Python
import pandas as pd
|
|
from bs4 import BeautifulSoup
|
|
|
|
# 从文件中读取HTML内容
|
|
with open('D:/folder/study/reptile-project/data.html', 'r', encoding='utf-8') as file:
|
|
html_content = file.read()
|
|
|
|
# 使用BeautifulSoup解析HTML
|
|
soup = BeautifulSoup(html_content, 'html.parser')
|
|
|
|
# 初始化结果字典
|
|
results = {
|
|
"行政处罚决定书文号": "",
|
|
"被处罚当事人": "",
|
|
"主要违法违规事实": "",
|
|
"行政处罚依据": "",
|
|
"行政处罚决定": "",
|
|
"作出处罚决定的机关名称": "",
|
|
"作出处罚决定的日期": ""
|
|
}
|
|
|
|
# 获取所有的tr元素
|
|
table_rows = soup.find_all('tr')
|
|
|
|
# 提取信息
|
|
if len(table_rows) >= 9:
|
|
results["行政处罚决定书文号"] = table_rows[0].find_all('td')[1].find('p').get_text(strip=True)
|
|
# 个人姓名、单位名称、单位法定代表人姓名
|
|
person_name = table_rows[1].find_all('td')[2].find('p').get_text(strip=True)
|
|
org_name = table_rows[2].find_all('td')[2].find('p').get_text(strip=True)
|
|
legal_rep_name = table_rows[3].find_all('td')[1].find('p').get_text(strip=True)
|
|
# 格式化被处罚当事人信息
|
|
results["被处罚当事人"] = f'"个人姓名": "{person_name}"\n"单位名称": "{org_name}"\n"单位法定代表人（主要负责人）姓名": "{legal_rep_name}"'
|
|
|
|
results["主要违法违规事实"] = table_rows[4].find_all('td')[1].find('p').get_text(strip=True)
|
|
results["行政处罚依据"] = table_rows[5].find_all('td')[1].find('p').get_text(strip=True)
|
|
results["行政处罚决定"] = table_rows[6].find_all('td')[1].find('p').get_text(strip=True)
|
|
results["作出处罚决定的机关名称"] = table_rows[7].find_all('td')[1].find('p').get_text(strip=True)
|
|
results["作出处罚决定的日期"] = table_rows[8].find_all('td')[1].find('p').get_text(strip=True)
|
|
|
|
# 创建DataFrame
|
|
df = pd.DataFrame([results])
|
|
|
|
# 保存DataFrame到Excel文件
|
|
df.to_excel('output_data.xlsx', index=False, engine='openpyxl')
|
|
|
|
|