Python Pandas pandas.read_html函数方法的使用

参数：

io：str, path对象 或 file-like 对象

URL、类似文件的对象或包含HTML的原始字符串。

注意，lxml只接受http、ftp和文件url协议。

如果你有一个以'https'开头的URL，

可以尝试删除's'。

match：str 或 编译的正则表达式, 可选

将返回包含与此正则表达式或字符串匹配的文本的表集。

除非HTML非常简单，否则可能需要在这里传递一个非空字符串。

默认为.+ (匹配任何非空字符串)。

默认值将返回页面中包含的所有表。

这个值被转换为一个正则表达式，

以便在Beautiful Soup和lxml之间有一致的行为。

flavor：str，可选

要使用的解析引擎。

' bs4 '和' html5lib '是彼此是同义的，

它们都是为了向后兼容。

None的默认值尝试使用lxml解析，

如果失败，则返回bs4 + html5lib。

header：int 或 list-like, 可选

用于使列成为标题的行(或MultiIndex的行列表)。

index_col：int 或list-like, 可选

用于创建索引的列(或列的列表)。

skiprows：int, list-like 或 slice, 可选

解析列整数后要跳过的行数。基于0。

如果给定了一个整数序列或一个切片，

则将跳过由该序列索引的行。

注意，单个元素序列表示“跳过第n行”，

而整数表示“跳过n行”。

attrs：dict，可选

attrs是一个属性字典，可以通过它来识别HTML中的表。

在传递给lxml或Beautiful Soup之前，

不会检查它们的有效性。

但是，这些属性必须是有效的HTML表属性才能正常工作。

例如,

attrs = {'id': 'table'}

是一个有效的属性字典，

因为' id ' HTML标签属性,

依据文档任何HTML标签的有效HTML属性。

attrs = {'asdf': 'table'}

不是一个有效的属性字典，

因为' asdf '不是一个有效的HTML属性，

即使它是一个有效的XML属性。

在这里可以找到有效的HTML 4.01表属性。

HTML 5规范的工作草案可以在这里找到。

它包含了关于现代网络的表属性的最新信息。

parse_dates：bool, 可选

详情请参阅read_csv()。

thousands：str, 可选

分隔符用来解析千位。默认为','。

encoding：str, 可选

用来解码网页的编码。默认为None。

``None`` 保留了之前的编码行为，

这取决于底层解析器库(例如，

解析器库将尝试使用文档提供的编码)。

decimal：str, 默认为‘.’

可识别为小数点的字符(例如，使用 ‘,’ 表示欧洲数据)。

converters：dict, 默认为 None

函数的字典，用于转换某些列中的值。

key可以是整数或列标签，

value是接受一个输入参数、单元格(不是列)

内容并返回转换后的内容的函数。

na_values：iterable, 默认为 None

自定义NA值。

keep_default_na：bool, 默认为 True

如果指定了na_values并且keep_default_na为False，

则默认的NaN值将被覆盖，否则它们将被追加。

displayed_only：bool, 默认为 True

是否应该解析带有" display: none "的元素。

返回：

dfs

DataFrame的列表。