具有中间元素的XPath for LXML

Question

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。

Answer 1

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。