วิธี Parse HTML หาตาราง (Tables) ในเว็บเพจด้วย Python

ปัญหา

ต้องการดึงตาราง HTML จากเว็บเพจ

บทนำ

อินเทอร์เน็ต/เว็บเป็นแหล่งข้อมูลสำคัญ ใช้ HTTP ดึงข้อมูล Python มี standard library แต่ requests module ทำให้ง่ายกว่า บทความนี้แสดงวิธี parse HTML หาตารางฝังอยู่ในหน้าเว็บ

ขั้นตอนการทำงาน

1. ติดตั้งแพ็กเกจ: requests, pandas, beautifulsoup4, tabulate

2. ดึงหน้าเว็บตัวอย่าง

import requests
import pandas as pd
from tabulate import tabulate

site_url = "https://www.tutorialspoint.com/python/python_basic_operators.htm"
response = requests.get(site_url)
print(f"Response status: {response.status_code}")  # 200 = success

3. ตรวจสอบ Header และเนื้อหา

print(response.request.headers)
print(response.headers)
print(response.text[:100])  # 100 ตัวอักษรแรก

4. Parse HTML ด้วย BeautifulSoup

from bs4 import BeautifulSoup
tutorialpoints_page = BeautifulSoup(response.text, 'html.parser')
print(tutorialpoints_page.title)
print(tutorialpoints_page.title.string)

5. หาตาราง: ค้นหา heading tags (h2-h6) แล้วหา table ถัดไป

tags = tutorialpoints_page.find(lambda elm: elm.name in ["h2","h3","h4","h5","h6"])
for sibling in tags.find_next_siblings():
    if sibling.name == "table":
        my_table = sibling
        df = pd.read_html(str(my_table))
        print(tabulate(df[0], headers='keys', tablefmt='psql'))

6. โค้ดรวมทั้งหมด

import requests
import pandas as pd
from bs4 import BeautifulSoup
from tabulate import tabulate

site_url = "https://www.tutorialspoint.com/python/python_basic_operators.htm"
response = requests.get(site_url)
print(f"Response: {response.status_code}")

tutorialpoints_page = BeautifulSoup(response.text, 'html.parser')
print(f"Title: {tutorialpoints_page.title.string}")

tags = tutorialpoints_page.find(lambda elm: elm.name in ["h2","h3","h4","h5","h6"])
for sibling in tags.find_next_siblings():
    if sibling.name == "table":
        my_table = sibling
        df = pd.read_html(str(my_table))
        print(tabulate(df[0], headers='keys', tablefmt='psql'))

ผลลัพธ์

จะได้ตารางต่างๆ จากหน้าเว็บ เช่น ตาราง Arithmetic Operators, Comparison Operators, Assignment Operators, Bitwise Operators, Logical Operators, Membership Operators, Identity Operators, Operator Precedence พร้อมคำอธิบายและตัวอย่าง

สรุป

• ใช้ requests ดึง HTML
• ใช้ BeautifulSoup parse DOM
• หา heading tags แล้วหา table sibling ถัดไป
• ใช้ pd.read_html() แปลง HTML table → DataFrame
• ใช้ tabulate พิมพ์สวยใน console