HTML文字列の</tr>タグの個数を知りたいが、htmlソースに実際に存在する</tr>の個数とプログラムの結果が異なる。

Question

##実現したいこと
JR東日本の中央本線の遅延情報をスクレイピングしたい。
遅延情報はhtmlの<table>属性で書かれているため、それをスクレイピングしてCSVファイルにしたいが、タグが破損しているため、Pandasのhtml_read()を使えず、BeautifulSoup4でCSVファイル化しようにも、テーブルの要素をすべて取得できないためかなわず。
そこで、自力でhtmlファイルを修復するプログラムを考えている。
具体的には、<tr>---</tr>が終了タグ</tr>しかないため</tr>の後ろに<tr>をつけて、しっかりテーブルの行要素をタグで囲ってBeautifulSoup4で取得できるようにしたい。

発生している問題・エラーメッセージ

　まず最初に、htmlソースコードを文字列化して、</tr>のインデックスを確かめたい
そのために、</tr>が文字列中に何回登場するかを計算した。
JR東日本は過去４５日分の遅延情報を載せているが、プログラムコード結果は２回であった。
どこがおかしいのか、また、このような原因を自力で発掘するアイデア等があればぜひ教えていただきたいです。初心者の質問であるため、不勉強や説明不足等があれば申し訳ありません。

５月１日のデータです。

</tr>のタグのみで、開始タグが見当たりません。 ### 該当のソースコード

from bs4 import BeautifulSoup
from urllib.request import urlopen

#サイトを取り入れる
site=urlopen('https://traininfo.jreast.co.jp/delay_certificate/history.aspx?R=06')

html=BeautifulSoup(site,'lxml')
table=html.find_all('table')[0]     #HTMLソースコードを文字列化して<table>部分だけ回収する
k=str(table)
cnt=0     #<table>中にある</tr>の個数
l=0     #文字列の左から数えて</tr>が何番目か
while '</tr>' in k:
   l=k.find('</tr>')
   l+=5     #</tr>分だけ右にずらす
   k=k[l:]
   cnt+=1
   
#実行部
print(cnt)

Comments

[kgm]

中央線の遅延証明書履歴
https://traininfo.jreast.co.jp/delay_certificate/history.aspx?R=06
このページを見たところ、すべてのtrタグは<tr></tr>で囲われていました。
問題ないように見えます。
</tr>しかないのならば、そもそもテーブルの表示が崩れてしまいます。
何を問題にされているのか把握できません。
特殊な条件下で行われているのなら、それを教えて下さい。

[pythonista]

質問ありがとうございます。<tr>が欠けている部分のスクリーンショットをこの追記欄に乗せれないので、質問欄に載せます。ソースの確認はGooglechromeで対象のページからページのソースを表示により行いました。そこには、遅延情報のテーブルの最初の２行以外、<tr>が見つけられませんでした。コードの実行環境はAnacondaのspyderです。

Answer 1

タグが破損しているならある程度修復して解析してくれるhtml5libを使えばきちんとtableタグを取得できると思います。
それと、以前と全く同じ質問をしているようですがパーサについては調べてみましたか？
パーサについてはドキュメントにも書いてあります。読んでみてください。
https://www.crummy.com/software/BeautifulSoup/bs4/doc/#installing-a-parser

Answer 2

import pandas as pd

url = "https://traininfo.jreast.co.jp/delay_certificate/history.aspx?R=06"

dfs = pd.read_html(url, flavor="bs4")

len(dfs)

dfs[0]

flavorを変更すればpandasでも読み込めます

Answer 3

table取るだけなら下記のような感じでもいけました。。
（どのテーブルを取るか書いてなかったのでtableのみにしています。便箋ご調整していただければと思います。なおJRの遅延情報などのスクレイピングは万が一のことを考えるとオススメできません。）

# pandas読み込み
import pandas as pd

from bs4 import BeautifulSoup

from google.colab import files

import requests

html_doc = requests.get("https://traininfo.jreast.co.jp/delay_certificate/history.aspx?R=06").text

# BeautifulSoupの初期化
soup = BeautifulSoup(html_doc, 'html.parser') 

tags = soup.find_all("table")

for tag in tags:

 print (tag)