Как сделать так чтобы объединённые ячейки тоже показывались в print?

Question

[SoySois]

Мне нужно сделать код, который будет писать расписание олимпиад, но я не могу разобраться, что делать с объединёнными ячейками.

import requests
from bs4 import BeautifulSoup

url = "https://vos.olimpiada.ru/2024/school"
response = requests.get(url)

if response.status_code == 200:
    html_content = response.text

    soup = BeautifulSoup(html_content, 'html.parser')

    schedule_table = soup.find('table', {'border': '1'})

    if schedule_table:
        for row in schedule_table.find_all('tr')[1:]:
            cells = row.find_all('td')
            if len(cells) >= 4:
                subject = cells[0].get_text(strip=True)
                grades = cells[1].get_text(strip=True)
                dates = cells[2].get_text(strip=True)
                results_publication = cells[3].get_text(strip=True)

                print(f"Предмет: {subject}")
                print(f"Классы участия: {grades}")
                print(f"Сроки проведения: {dates}")
                print(f"Сроки публикации результатов: {results_publication}")
                print("-" * 50)
    else:
        print("Таблица с расписанием не найдена.")
else:
    print(f"Ошибка при доступе к странице: {response.status_code}")

Answer 1

[Vindicar]

Значение объединённой ячейки находится в левой/верхней "оригинальной" ячейке из состава объединённой.
Так что если у тебя есть столбец с объединённой ячейкой, делай там простую логику типа такой:

last_results_publication_value = ''  # тут храним последнее увиденное значение столбца
for row in schedule_table.find_all('tr')[1:]:  # перебираем строки
    cells = row.find_all('td')
    subject = cells[0].get_text(strip=True)
    grades = cells[1].get_text(strip=True)
    dates = cells[2].get_text(strip=True)
    results_publication = cells[3].get_text(strip=True)
    if results_publication:  # если в столбце есть значение
        last_results_publication_value = results_publication  # запоминаем его как последнее виденное
    else:  # а если нет
        results_publication = last_results_publication_value  # используем вместо него последнее виденное
    ...  # дальше используем значения

Comments

[SoySois]

dates = cells[2].get_text(strip=True)
IndexError: list index out of range
Когда в таблице есть пустые ячейки, код считает, что в строке всего 2 ячейки и перестаёт работать. Почему он их не видит? Как исправить?

[Vindicar]

SoySois, а пустая ячейка - это <td></td> в разметке, или вообще ничего? В первом случае код увидит тег, а в нём пустую строку. Во втором случае код не увидит ничего. Тут только проверять длину списка, и разруливать ситуацию в зависимости от неё.

[SoySois]

Vindicar, На сколько я понимаю там вообще пусто (не сильно разбираюсь в html).

</tr>
<tr style="height: 14px;">
<td style="height: 28px; width: 232.444px;" rowspan="2">Литература</td>
<td style="height: 14px; width: 54.4583px;">5-6</td>
<td style="height: 14px; width: 177.806px;"><a href="/news/5450">12-14 сентября</a></td>
<td style="width: 206.847px; height: 28px;" rowspan="2"><a href="/news/5470">опубликованы 19 сентября</a></td>
</tr>
<tr style="height: 14px;">
<td style="height: 14px; width: 54.4583px;">7-11</td>
<td style="height: 14px; width: 177.806px;"><a href="/news/5450">12 сентября</a></td>

[Vindicar]

SoySois, эуто уже сложнее. Тогда тебе надо помнить о каждой ячейке с rowspan, которую ты видел, и подставлять её значение.

[SoySois]

Vindicar, Я попытался исправить код, и в какой-то степени у меня получилось сделать то что я хотел. Но всё же без проблем не обошлось.

import requests
from bs4 import BeautifulSoup

url = "https://vos.olimpiada.ru/2024/school"
response = requests.get(url)

if response.status_code == 200:
    html_content = response.text

    soup = BeautifulSoup(html_content, 'html.parser')

    schedule_table = soup.find('table', {'border': '1'})

    if schedule_table:
        for row in schedule_table.find_all('tr')[1:]:
            cells = row.find_all('td')
            if cells[0].get('rowspan'):

                cells = row.find_all('td')
                subject = cells[0].get_text(strip=True)
                grades = cells[1].get_text(strip=True)
                dates = cells[2].get_text(strip=True)
                results_publication = cells[3].get_text(strip=True)

                print(f"Предмет: {subject}")
                print(f"Классы участия: {grades}")
                print(f"Сроки проведения: {dates}")
                print(f"Сроки публикации результатов: {results_publication}")
                print("-" * 50)

                last_results_publication_value = results_publication
            else:
                results_publication = last_results_publication_value

                cells = row.find_all('td')
                grades = cells[0].get_text(strip=True)
                dates = cells[1].get_text(strip=True)

                print(f"Предмет: {subject}")
                print(f"Классы участия: {grades}")
                print(f"Сроки проведения: {dates}")
                print(f"Сроки публикации результатов: {results_publication}")
                print("-" * 50)
    else:
        print("Таблица с расписанием не найдена.")
else:
    print(f"Ошибка при доступе к странице: {response.status_code}")

[SoySois]

SoySois, При этом я понимаю в чём проблема в обж, но почему физику не печатает я не понимаю.

Answer 2

[Wispik]

Проверить у первой клетки наличие атрибута rowspan

if cells[0].get('rowspan'):
    ...

и если он есть, то не принтить данные сразу, а сохранить в переменную и в следующей итерации цикла, добавить к ним данные и вывести из в консоль