我有一个类似于以下的 html 文档:
<html xmlns="http://www.w3.org/1999/xhtml" xmlns="http://www.w3.org/1999/xhtml">
<div id="Symbols" class="cb">
<table class="quotes">
<tr><th>Code</th><th>Name</th>
<th style="text-align:right;">High</th>
<th style="text-align:right;">Low</th>
</tr>
<tr class="ro" onclick="location.href='/xyz.com/A.htm';" style="color:red;">
<td><a href="/xyz.com/A.htm" title="Display,A">A</a></td>
<td>A Inc.</td>
<td align="right">45.44</td>
<td align="right">44.26</td>
<tr class="re" onclick="location.href='/xyz.com/B.htm';" style="color:red;">
<td><a href="/xyz.com/B.htm" title="Display,B">B</a></td>
<td>B Inc.</td>
<td align="right">18.29</td>
<td align="right">17.92</td>
</div></html>
我需要从表中提取code/name/high/low信息。
我使用了 Stack Over Flow 中类似示例之一的以下代码:
#############################
import urllib2
from lxml import html, etree
webpg = urllib2.urlopen(http://www.eoddata.com/stocklist/NYSE/A.htm).read()
table = html.fromstring(webpg)
for row in table.xpath('//table[@class="quotes"]/tbody/tr'):
for column in row.xpath('./th[position()>0]/text() | ./td[position()=1]/a/text() | ./td[position()>1]/text()'):
print column.strip(),
print
#############################
我没有得到任何输出。我必须将第一个循环 xpath 从 table.xpath('//table[@class="quotes"]/tbody/tr 更改为 table.xpath('//tr') ')
我只是不明白为什么 xpath('//table[@class="quotes"]/tbody/tr') 不起作用。
最佳答案
您可能正在查看 Firebug 中的 HTML，对吗？浏览器将插入隐式标签 <tbody>当它不存在于文档中时。 lxml 库将只处理原始 HTML 字符串中存在的标签。
在您的 XPath 中省略 tbody 级别。例如，这有效:
tree = lxml.html.fromstring(raw_html)
tree.xpath('//table[@class="quotes"]/tr')
[<Element tr at 1014206d0>, <Element tr at 101420738>, <Element tr at 1014207a0>]
关于python - 为 html 表提取 lxml xpath，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5586296/