使用python，LXML和XPATH从网站上的表中提取信息

Question

经过大量的努力，我设法从该网站的表格中提取了一些我需要的信息：

http://gbgfotboll.se/serier/?scr=table&ftid=57108

我从“ Kommande Matcher”表（第二张表）中提取了日期和球队名称。

但是现在我完全陷入尝试从第一张表中提取的问题：

• 第一列“滞后”

• 第二列“ S”

• 6h栏“ GM-IM”

• 最后一列“ P”

有任何想法吗？ ， 谢谢

Answer 1

我刚刚做到了：

from io import BytesIO
import urllib2 as net
from lxml import etree
import lxml.html    

request = net.Request("http://gbgfotboll.se/serier/?scr=table&ftid=57108")
response = net.urlopen(request)
data = response.read()

collected = [] #list-tuple of [(col1, col2...), (col1, col2...)]
dom = lxml.html.parse(BytesIO(data))
#all table rows    
xpatheval = etree.XPathDocumentEvaluator(dom)
rows = xpatheval('//div[@id="content-primary"]/table[1]/tbody/tr')

for row in rows:
    columns = row.findall("td")
    collected.append((
        columns[0].find("a").text.encode("utf8"), # Lag
        columns[1].text, # S
        columns[5].text, # GM-IM
        columns[7].text, # P - last column
    ))

for i in collected: print i

您可以直接在lxml.html.parse（）中传递URL，而不是调用urllib2。 另外，您可以按类属性来获取目标表，如下所示：

# new version
from lxml import etree
import lxml.html    

collected = [] #list-tuple of [(col1, col2...), (col1, col2...)]
dom = lxml.html.parse("http://gbgfotboll.se/serier/?scr=table&ftid=57108")
#all table rows
xpatheval = etree.XPathDocumentEvaluator(dom)
rows = xpatheval("""//div[@id="content-primary"]/table[
    contains(concat(" ", @class, " "), " clTblStandings ")]/tbody/tr""")

for row in rows:
    columns = row.findall("td")
    collected.append((
        columns[0].find("a").text.encode("utf8"), # Lag
        columns[1].text, # S
        columns[5].text, # GM-IM
        columns[7].text, # P - last column
    ))

for i in collected: print i