[英]Python, How to use lxml XPath?
在 python 我有:
response = s.get(url, allow_redirects=False, cookies=cookies, headers=headers)
soup = BeautifulSoup(response.text, 'lxml')
reg_cart = soup.find('form', attrs={"name": "regCart"})
registered_courses = [i.a.text for i in reg_cart.find_all('div', attrs={"class": "course-number"})]
现在我想用lxml
替换BeautifulSoup
,阅读:
https://timber.io/blog/an-intro-to-web-scraping-with-lxml-and-python/
我试图实现他们在那里使用的东西并得到:
import lxml.html
doc = lxml.html.fromstring(response.content)
registered_courses = doc.xpath('//div[@class="course-number"]/text()')
但由于某种原因,我的 output 是:
['\n\t\t\t\t\t', '\n\t\t\t\t', '\n\t\t\t\t\t', '\n\t\t\t\t', '\n\t\t\t\t\t', '\n\t\t\t\t', '\n\t\t\t\t\t']
虽然以前它正确显示了课程编号。
我怎样才能解决这个问题? 另外,如何编辑我的路径以仅返回表单regCart
下的那些 div 标签而不是所有响应?
例如,html 代码如下所示:
<form name="regCart" ....>
</div><div class="entry-spacer"></div><div class="cart-entry">
<div class="course-number">
<a href="https://university.com/rishum/course/236756">236756</a>
</div>
<div class="course-name">
מבוא למערכות לומדות
</div>
<div class="course-points">
3.0 נק'
</div>
<div class="entry-group">
קבוצה 13
</div>
我想返回236756
问题出在您的相对 xpath 中: //div[@class="course-number"]/text()
<div class="course-number">
<a href="https://university.com/rishum/course/236756">236756</a>
</div>
这将抓取相应 div 下的文本字段; 但是,div 下没有文本。 感兴趣的文本字段其实在标签里面,正确的相对xpath是: //div[@class="course-number"]/a/text()
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.