Python lxml-返回空列表
在尝试从网页表中提取值时,我无法找出XPATH的错误。该方法似乎是正确的,因为我可以提取页面标题和其他属性,但我无法提取第三个值,它总是返回一个空列表Python lxml-返回空列表,python,python-2.7,screen-scraping,lxml,Python,Python 2.7,Screen Scraping,Lxml,在尝试从网页表中提取值时,我无法找出XPATH的错误。该方法似乎是正确的,因为我可以提取页面标题和其他属性,但我无法提取第三个值,它总是返回一个空列表 from lxml import html import requests test_url = 'SC312226' page = ('https://www.opencompany.co.uk/company/'+test_url) print 'Now searching URL: '+page data = requests.ge
from lxml import html
import requests
test_url = 'SC312226'
page = ('https://www.opencompany.co.uk/company/'+test_url)
print 'Now searching URL: '+page
data = requests.get(page)
tree = html.fromstring(data.text)
print tree.xpath('//title/text()') # Get page title
print tree.xpath('//a/@href') # Get href attribute of all links
print tree.xpath('//*[@id="financial"]/table/tbody/tr/td[1]/table/tbody/tr[2]/td[1]/div[2]/text()')
除非我遗漏了什么,否则XPATH似乎是正确的:
我检查了Chrome控制台,显示正常!所以我不知所措
$x ('//*[@id="financial"]/table/tbody/tr/td[1]/table/tbody/tr[2]/td[1]/div[2]/text()')
[
"£432,272"
]
您应该指定元素名。如果不想指定特定的标记名,可以使用
*
:
print tree.xpath('//*[@id="financial"]/...')
^
更新
在html文件中(仅在浏览器中呈现之前的html),没有tbody标记。因此,您需要从表达式中删除tbody
:
//*[@id="financial"]/table/tr/td[1]/table/tr[2]/td[1]/div[2]/text()
使用以下同级轴的替代方法:
//div[text()="Total Assets"]/following-sibling::div/text()
试过了,还是没有乐趣。空名单,谢谢!它现在返回,但它返回以下值:[u'\xa3447']是否需要以某种方式对其进行解码?@ChrisFinlayson如果您获取一个项目并打印它,您将得到所需的内容。将其添加到print语句将正确格式化输出:
print unicodedata.normalize('NFKD',tree.xpath('/*[@id=“financial”]/table/tr/td[1]/table/tr[2]/td[1] /div[2]/text())[0]).encode('ascii','ignore')
@ChrisFinlayson,您不需要调用unicodedata。完全规范化和encode
。打印第一项就可以了。请参见以下内容: