python - 使用lxml html从嵌套元素中提取特定元素

Question

大家好，我遇到了一些我认为可以归因于 xpath 问题的问题。我正在使用 lxml 包中的 html 模块来尝试获取一些数据。我在下面提供了最简化的情况，但请记住，我正在使用的 html 更加丑陋。

<table>
    <tr>
    <td>
        <table>
            <tr><td></td></tr>
            <tr><td>
                <table>
                    <tr><td><u><b>Header1</b></u></td></tr> 
                    <tr><td>Data</td></tr>
                </table>
            </td></tr>
        </table>
     </td></tr>
</table>

我真正想要的是深度嵌套的表格，因为它有标题文本“Header1”。 我正在尝试这样:

from lxml import html
page = '...'
tree = html.fromstring(page)
print tree.xpath('//table[//*[contains(text(), "Header1")]]')

但这给了我所有的表格元素。我只想要包含此文本的一张表。我明白发生了什么，但除了打破一些讨厌的正则表达式之外，我很难弄清楚如何做到这一点。 有什么想法吗？

Answer 1

使用:

//td[text() = 'Header1']/ancestor::table[1]