13
Ho un documento HTML simile al seguente:Estrazione XPath lxml per la tabella HTML
<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>
ho bisogno di estrarre code/name/high/low
informazioni dalla tabella.
ho usato seguente codice da uno degli esempi simili a Pila sul flusso:
#############################
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
#############################
sto ottenendo in uscita nulla. Devo cambiare il primo ciclo xpath a table.xpath('//tr')
da table.xpath('//table[@class="quotes"]/tbody/tr')
Non capisco perché il xpath('//table[@class="quotes"]/tbody/tr')
non funzioni.
ho trovato il mio problema. In qualche modo il tag
è stato rimosso. Da Firebug lo si visualizza subito dopoSì, questa è una ** FAQ: i browser aggiungono elementi (X) HTML obbligatori (come 'head' e' tbody') al DOM. ** A proposito, questo è esattamente ciò che @samplebias '[answer] (http: // stackoverflow.com/questions/5586296/problem-with-lxml-xpath-for-html-table-extracting/5586627#5586627) dire. –
possibile duplicato di [problema XPath lxml XPath] (http://stackoverflow.com/questions/5333236/python-lxml-xpath-problem) –
risposta
Probabilmente stai guardando l'HTML in Firebug, corretto? Il browser inserirà il tag implicito
<tbody>
quando non è presente nel documento. La libreria lxml elaborerà solo i tag presenti nella stringa HTML non elaborata.Omettere il livello tbody in XPath. Ad esempio, questo funziona:
fonte
2011-04-07 19:38:30 samplebias
Ho sperimentato questo anche con Chrome. Stava usando la funzione 'Copia XPath' nel menu di scelta rapida 'Ispeziona'. Un po 'stupido. – ficuscr
Conosci altre "regole che cambiano il percorso" che possono verificarsi in FF/Chrome? Sarebbe interessante compilarli. – lajarre
Problemi correlati