我有抓取的基本知识。 这是一个基本示例:
page = requests.get('some_website.com')
tree = html.fromstring(page.text)
desc = tree.path('//div[@class = "my class"]/text()')
我的 desc 将返回 div 中的所有内容。
但是如果我的 javascript 更复杂，我该怎么办
<tr>
<th class="my class">some text</th>
<td>some text</td>
</tr>
我只需要 <td></td> 里面的部分就在里面<tr></tr>
如果 <tr> 我将如何进行将在 <div> 内
最佳答案
您可能应该阅读 XPath 教程才能更好地理解。
I need only the part that is inside
<td></td>that is inside<tr></tr>And how would I proceed if the<tr>would be inside a<div>
在你的情况下，它是:
//div[@class = "my class"]//tr/td/text()
如果你事先知道“一些文字”，你可以用 following-sibling 横着走。 :
//div[@class = "my class"]//th[. = "some text"]/following-sibling::td/text()
关于python - Python 中的网页抓取，与路径混淆，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33129713/