数据爬虫经常会涉及到表格数据的抓取
| 院系 | 姓名 | 年龄 |
| 计算机系 | 张三 | 18 |
| 音乐系 | 李四 | 19 |
| 生化系 | 王五 | 20 |
类似这样的表格相信大家都知道怎么提取，但有时候会遇到有单元格合并的情况，比如下面这种
| 院系 | 姓名 | 年龄 |
| 计算机系 | 张三 | 18 |
| 李四 | 19 | |
| 生化系 | 王五 | 20 |
| 赵六 | 21 |
提取的方法可能有很多，我这里提供下我解决这种问题的思路
思路：第一种类型的表格数据抓取与组织比较简单，所以我这里考虑把第二种表格转为与第一种表格类似的情况
当然，并不是要改变html源码。
1、先把院系列表抓取下来 [‘计算机系’，‘生化系’]
2、把院系标签的rowspan值列表抓取下来 [‘2’,'2']
3、把姓名、年龄的列表抓取下来 [['张三',18],['李四',19],['王五',20],[’赵六‘,21]]
4、把院系列表与院系rowspan标签值列表中各元素对应相乘，得到一个新的院系列表 [‘计算机系’，‘计算机系’，‘生化系’，‘生化系’]
5、把新的院系列表与姓名、年龄的列表一一关联起来
这里只提供了思路，不过我相信大家都能够自己实现了。
关于数据的整合，map和reduce函数这个时候能起很大作用。