Saltar al contenido principal

Convertir una tabla HTML en un diccionario de Python en Python

En este tutorial, exploraremos cómo convertir una tabla HTML en un diccionario de Python utilizando Python. Utilizaremos la biblioteca BeautifulSoup para analizar el HTML y extraer los datos de la tabla, y luego convertirlos en un diccionario.

Paso 1: Instalar las bibliotecas requeridas​

  • Asegúrate de tener Python instalado en tu sistema.
  • Abre tu terminal o símbolo del sistema y ejecuta el siguiente comando para instalar las bibliotecas requeridas:
  pip install beautifulsoup4

Paso 2: Importar los módulos necesarios​

  • Abre tu IDE de Python o editor de texto.
  • Importa los módulos requeridos:
  from bs4 import BeautifulSoup
  import requests

Paso 3: Obtener y analizar el HTML​

  • Obtén el código fuente HTML que contiene la tabla.
  • Analiza el HTML utilizando BeautifulSoup:
  # Especifica la URL o la ruta del archivo HTML
  url = "https://ejemplo.com/mi_tabla.html"
  
  # Obtiene el contenido HTML
  response = requests.get(url)
  html_content = response.text
  
  # Analiza el HTML utilizando BeautifulSoup
  soup = BeautifulSoup(html_content, "html.parser")

Paso 4: Localizar la tabla​

  • Identifica la tabla dentro del código fuente HTML.
  • Encuentra la tabla utilizando los métodos find o find_all de BeautifulSoup:
  # Localiza la tabla por su ID o clase
  table = soup.find("table", id="mi_tabla")

Paso 5: Extraer los encabezados de la tabla​

  • Identifica los encabezados de la tabla (nombres de las columnas) de la tabla.
  • Extrae los nombres de los encabezados utilizando la etiqueta th:
  # Extrae los encabezados de la tabla
  headers = []
  for th in table.find_all("th"):
      headers.append(th.text.strip())

Paso 6: Extraer las filas y los datos de la tabla​

  • Itera a través de las filas de la tabla y extrae los datos.
  • Utiliza las etiquetas tr y td para encontrar filas y celdas respectivamente:
  # Extrae las filas y los datos de la tabla
  data = []
  for tr in table.find_all("tr"):
      row = []
      for td in tr.find_all("td"):
          row.append(td.text.strip())
      data.append(row)

Paso 7: Crear un diccionario​

  • Combina los encabezados y los datos en un diccionario de Python.
  • Utiliza un bucle para iterar a través de los datos y crear el diccionario:
  # Crea un diccionario a partir de la tabla
  table_dict = {}
  for row in data:
      if len(row) == len(headers):
          row_dict = dict(zip(headers, row))
          table_dict[row[0]] = row_dict

Paso 8: Acceder al diccionario​

  • Ahora puedes acceder a los datos de la tabla convertida utilizando el diccionario.
  • Recupera valores específicos utilizando las claves:
  # Accede al diccionario
  print(table_dict["fila1"]["columna1"])

¡Eso es todo! Has convertido con éxito una tabla HTML en un diccionario de Python.