13
Mam dokumentu HTML podobny do następującego:Wyodrębnianie lxml XPath dla tabeli 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>
I trzeba wyodrębnić code/name/high/low
informacje z tabeli.
Użyłem następujący kod z jednego z podobnych przykładów w stos na Przepływu:
#############################
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
#############################
Dostaję wyjście nic. Muszę zmienić pierwszą pętlę xpath na table.xpath('//tr')
z table.xpath('//table[@class="quotes"]/tbody/tr')
Po prostu nie rozumiem, dlaczego xpath('//table[@class="quotes"]/tbody/tr')
nie działa.
Znalazłem mój problem. W jakiś sposób tag
został usunięty. Od Firebug'a pojawia się zaraz po taguTak, to jest ** FAQ: przeglądarki dodają obowiązkowe (X) elementy HTML (takie jak 'head' i' tbody') do DOM. ** Tak przy okazji, to jest właśnie to @samplebias [odpowiedź] (http: // stackoverflow.com/questions/5586296/problem-with-lxml-xpath-for-html-table-extracting/5586627#5586627) say. –
możliwy duplikat [problemu Python lxml XPath] (http://stackoverflow.com/questions/5333236/python-lxml-xpath-problem) –
Odpowiedz
Prawdopodobnie patrzysz na HTML w Firebug, prawda? Przeglądarka wstawi niejawny znacznik
<tbody>
, gdy nie ma go w dokumencie. Biblioteka lxml przetwarza tylko tagi obecne w nieprzetworzonym ciągu HTML.Ominięcie poziomu tbody w XPath. Na przykład działa to:
Źródło
2011-04-07 19:38:30 samplebias
Doświadczyłem tego również w Chrome. Używałem funkcji 'Kopiuj XPath' w menu" Kliknij prawym przyciskiem myszy ". Kinda goofy. – ficuscr
Czy znasz jakieś inne "reguły zmieniające ścieżki", które mogą się zdarzyć w FF/Chrome? Byłoby interesująco je skompilować. – lajarre
Powiązane problemy