[英]Scraping href title using lxml and XPath
from lxml import html
import requests
for i in range(44,530): # Number of pages plus one
url = "http://postscapes.com/companies/r/{}".format(i)
page = requests.get(url)
tree = html.fromstring(page.content)
contactemail = tree.xpath('//*[@id="rt-mainbody"]/div/div/div[2]/div[4]/address/a')
print contactemail
我正在嘗試從公司目錄中的 900 個不同頁面中抓取電子郵件。 每個頁面的 HTML 代碼都比較相似。 但是, Contactemail 返回元素值。 上面的 XPath 是下面代碼的 href 值。 我只想通過 XPath 從 href 值中提取標題contact@23-de-enero.com ,但我不知道從哪里開始。 我也希望這適用於不同的頁面,而不僅僅是這個 href 值/網頁。
<a href="mailto:contact@23-de-enero.com">contact@23-de-enero.com</a>
我研究了正則表達式,並嘗試使用contactemail.textcontent()
打印,但它不起作用。
有小費嗎?
有一些可能的方法來提取相同的值,即電子郵件地址,例如:
# get email address from inner text of the element :
print contactemail[0].text
# get email address from href attribute + substring-after() :
print contactemail[0].xpath('substring-after(@href, "mailto:")')
如果在一個address
父元素中可能有多個a
元素,則可以使用列表理解語法:
print [link.text for link in contactemail]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.