【Python】PandasでHTMLのテーブルを読み込む方法（read_html）

2026年1月4日

Webサイト上の表データや、ローカルにあるHTMLファイル内のテーブル情報を解析し、DataFrameとして取り込むには pd.read_html 関数を使用します。

本記事では、読み込み対象となるHTMLファイルと、それを読み込むPythonスクリプトを明確に分けた実装例、および主要なパラメータについて解説します。

read_htmlの主要パラメータ

read_html でテーブルデータの解釈を調整するための主要なオプションは以下の通りです。

パラメータ	意味・役割	指定例
header	ヘッダー（列名）として使用する行番号を指定します。`0` なら1行目、`1` なら2行目をヘッダーとして扱います。	`0`, `1`
index_col	DataFrameのインデックス（行ラベル）として使用する列を指定します。列番号（0始まり）で指定可能です。	`0`, `1`
flavor	HTMLの解析エンジンを指定します。HTML構文が崩れている場合などに変更します。	`"lxml"`, `"bs4"`, `"html5lib"`
attrs	特定の `id` や `class` を持つテーブルのみを抽出する場合に、その属性を辞書で指定します。	`{"id": "target_table"}`

実装サンプル

ここでは、ローカルに保存されたHTMLファイル（table_page.html）をPythonから読み込むシチュエーションを想定します。

1. 読み込み対象のHTMLファイル

まず、解析対象となるHTMLファイルを作成します。ここでは2つの異なる構造のテーブルを配置しています。ファイル名は table_page.html とします。

<!DOCTYPE html>
<html lang="ja">
<head>
    <meta charset="UTF-8">
    <title>Sample Table Page</title>
</head>
<body>

    <h1>製品リスト（ヘッダーあり）</h1>
    <table id="product_table" border="1">
        <thead>
            <tr>
                <th>Product_ID</th>
                <th>Name</th>
                <th>Price</th>
            </tr>
        </thead>
        <tbody>
            <tr>
                <td>101</td>
                <td>Desktop PC</td>
                <td>120000</td>
            </tr>
            <tr>
                <td>102</td>
                <td>Monitor</td>
                <td>35000</td>
            </tr>
        </tbody>
    </table>

    <br>

    <h1>社員名簿（ヘッダーなし・変則的）</h1>
    <table id="employee_table" border="1">
        <tr>
            <td>Emp_001</td>
            <td>T.Suzuki</td>
            <td>Sales</td>
        </tr>
        <tr>
            <td>Emp_002</td>
            <td>M.Sato</td>
            <td>Engineering</td>
        </tr>
    </table>

</body>
</html>

2. テーブルを読み込むPythonコード

次に、上記のHTMLファイルを読み込み、DataFrameとして処理するPythonコードです。

read_html はページのURLだけでなく、ローカルのファイルパスも引数として受け取ることができます。

import pandas as pd

def read_html_tables():
    """
    HTMLファイルからテーブルデータを読み込み、
    パラメータによる挙動の違いを確認する関数
    """
    # 読み込む対象のHTMLファイルパス
    file_path = "table_page.html"

    print("=== 1. 基本的な読み込み ===")
    # read_htmlは、検出されたすべてのテーブルを「DataFrameのリスト」として返します
    # そのため、戻り値を受け取る変数は複数形(tables)にするのが一般的です
    try:
        tables = pd.read_html(file_path)
    except ValueError as e:
        print(f"エラー: {e}")
        return

    print(f"検出されたテーブル数: {len(tables)}")
    
    # 1つ目のテーブルを表示 (Product_IDなどがヘッダーとして認識される)
    print("\n--- テーブル1 (df_products) ---")
    df_products = tables[0]
    print(df_products)


    print("\n=== 2. パラメータを指定した読み込み ===")
    
    # 2つ目のテーブル(社員名簿)をターゲットにする
    # header=None: ヘッダー行がないことを明示 (0行目もデータとして扱う)
    # index_col=0: 0列目(Emp_ID)をインデックスとして使用
    # flavor="bs4": 解析エンジンにBeautifulSoupを指定 (柔軟な解析)
    
    tables_custom = pd.read_html(
        file_path,
        header=None,
        index_col=0,
        flavor="bs4"  # html5libなどを指定する場合もあります
    )
    
    # 2つ目のテーブルを取得
    # HTML内の順序通りに格納されているため、インデックス1を指定
    if len(tables_custom) > 1:
        df_employees = tables_custom[1]
        
        # わかりやすくするために列名を手動で設定
        df_employees.columns = ["Name", "Department"]
        
        print("\n--- テーブル2 (df_employees) ---")
        print(df_employees)

if __name__ == "__main__":
    # 事前に 'table_page.html' がカレントディレクトリに存在することを確認してください
    read_html_tables()

実行結果

=== 1. 基本的な読み込み ===
検出されたテーブル数: 2

--- テーブル1 (df_products) ---
   Product_ID        Name   Price
0         101  Desktop PC  120000
1         102     Monitor   35000

=== 2. パラメータを指定した読み込み ===

--- テーブル2 (df_employees) ---
             Name   Department
0                             
Emp_001  T.Suzuki        Sales
Emp_002    M.Sato  Engineering

注意点

依存ライブラリ: この機能を使用するには、lxml、html5lib、beautifulsoup4 などのHTMLパーサーライブラリを追加でインストールしておく必要があります（例: pip install lxml html5lib beautifulsoup4）。
戻り値の型: read_html の戻り値は常に リスト です。テーブルが1つしかなくても [DataFrame] という形式で返ってくるため、tables[0] のようにインデックスで個別のDataFrameを取り出す必要があります。