Pandas 的 read_html 在解析含逗号小数分隔符（如 0,62）的网页表格时，默认将其误识别为千位分隔符，导致小数丢失、数据错乱；通过显式指定 decimal=',' 和 thousands=None 可精准控制数值解析逻辑。
python 中使用 pandas 的 `read_html` 解析网页表格时，若源数据采用欧洲格式的小数分隔符（如 `0,62`），默认会将逗号识别为千位分隔符，从而错误地转换为 `062` 等无效整数——这并非 bug，而是解析器对本地化数字格式缺乏自动推断所致。正确做法是主动配置 `decimal` 和 `thousands` 参数。
pandas.read_html() 默认按美式数字格式（. 为小数点，, 为千位符）解析数值。当目标网页使用意大利语或其它欧洲语言环境（如 fbref.com/it 页面）时，数字普遍写作 12.345,67（即 , 表示小数点，. 表示千位分隔），此时必须显式声明：
df = pd.read_html(
html_source,
attrs={'id': 'stats_shooting'},
header=1, # 跳过第一行表头（适配多级列结构）
thousands=None, # 禁用千位分隔符识别，避免逗号被误删
decimal=',' # 明确指定逗号为小数分隔符
)[0]
⚠️ 注意：fbref.com 的 HTML 源码中目标表格常被注释包裹（），直接传入原始 HTML 会导致 read_html 找不到元素。推荐预处理去除注释：
import requests response = requests.get('https://fbref.com/it/comp/11/shooting/Statistiche-di-Serie-A') clean_html = response.text.replace('<!--', '').replace('-->', '') df = pd.read_html(clean_html, attrs={'id': 'stats_shooting'}, header=1, thousands=None, decimal=',')[0]
此外，该页面的表格含重复的子标题行（如 'Pos.' 出现多次），可快速清洗：
df = df[df['Pos.'] != 'Pos.'].reset_index(drop=True) # 过滤掉非数据行
最终，你将获得正确解析的浮点数值列（如 0,62 → 0.62），无需后续字符串替换或正则修复，大幅提升数据可信度与分析效率。建议始终在 read_html 中显式设置 decimal 和 thousands，尤其在处理多语言网页时——这是稳健 Web 数据采集的关键实践。
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
