[英]XPath for LXML with Intermediary Element
我正在尝试使用python和LXML抓取一些页面。 我的测试页是http://www.sarpy.com/oldterra/prop/PDisplay3.asp?ParamValue1=010558233
我对大多数XPath都很满意。 例如,
tree.xpath('/html/body/table/tr[1]/td[contains(text(), "Sales Information")]/../../tr[3]/td[1]/text()')
成功地给我列出了第一笔交易的日期。 我还有其他几件。 但是,我无法获得销售日期下方列出的B&P。 例如,第一次销售的B&P是200639333。
我注意到在页面结构中,在B&P项目的tr之前有一个form元素。 由于它是下一个表行,因此我尝试按以下方式增加tr索引:
tree.xpath('/html/body/table/tr[1]/td[contains(text(), "Sales Information")]/../../tr[4]/td[1]/text()')
返回:
['\r\n ']
由于换行符和br的子元素以及字段中的输入,我尝试将text()变成text()[1],text()[2]等,但是没有运气。
我试图将路径基于相邻的表单,如下所示:
tree.xpath('/html/body/table[7]/form[@action="../rod/ImageDisplay.asp"]/following-sibling::tr/td[1]/text()')
没运气。
我认为存在两个潜在问题:可能破坏索引模式的中间表单元素和空白。 我将感谢您提供任何纠正此xpath的帮助。
您要查找的<tr>
是<form>
,而不是其同级,请尝试-
tree.xpath('/html/body/table/tr[1]/td[contains(text(), "Sales Information")]/../../form[1]/td[1]/text()')
这可能会使您具有大量空白的200639333
。
要么 -
tree.xpath('/html/body/table[7]/form[@action="../rod/ImageDisplay.asp"]/tr[1]/td[1]/text()')
对于所有此类元素。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.