python、lxml和xpath-html表解析

我是lxml新手，对python非常陌生，无法找到以下问题的解决方案：

我需要导入几个表，其中包含3列和从第3行开始的未定义行数

当任何行的第二列为空时，该行将被丢弃，表的处理将中止

下面的代码可以很好地打印表的数据（但之后我无法重用数据）：

这仅打印第一列：（

以下命令仅导入第三行，而不导入后续行

tbl = doc.xpath("//body/table[2]//tr[position()>2]")[0]

有谁知道一种奇特的解决方案，可以将第3行的所有数据都复制到tbl中，然后将其复制到一个数组中，这样就可以将其处理到一个没有lxml依赖关系的模块中

---

提前感谢您的帮助，Alex

您需要使用循环来访问行的数据，如下所示：

for row in data:  
    for col in row:
        print col

像这样调用next（）一次将只访问第一项，这就是为什么会看到一列

请注意，由于生成器的性质，您只能访问它们一次。如果将调用

process\u row（row）

更改为

list（process\u row（row））

，则生成器将转换为可重用的列表

更新：如果您只需要第三行和第三行，请使用

数据[2://code>
这是一个生成器：

def process_row(row):  
     for cell in row.xpath('./td'):  
         print cell.text_content()  
         yield cell.text_content() 

您调用它就像您认为它返回一个列表。它没有。在某些上下文中，它的行为类似于列表：

print [r for r in process_row(row)]

但这只是因为生成器和列表都将同一接口公开给
for
循环。在只计算一次的上下文中使用它，例如：

return [process_row(row) for row in table.xpath('./tr')]

只需为
行的每个新值调用生成器的一个新实例一次，返回生成的第一个结果

这是你的第一个问题。第二个问题是你期望：

tbl = doc.xpath("//body/table[2]//tr[position()>2]")[0]

给您第三行和所有后续行，它只是将
tbl
设置为第三行。调用
xpath
将返回第三行和所有后续行。最后的
[0]
会把您弄得一团糟。
您能粘贴源文档（或部分）吗预期结果是什么？我不是python专家，但我擅长xpath，我想我可以帮助你。这里有源文档（仅在CET 06:00到22:00之间）：预期结果：[[Premier'，05'，name1']，[u'Deuxi\xe8me'，13'，name2']]谢谢，嵌套循环和添加列表（）调用确实做到了这一点，但它仍然不能与第二个xpath一起工作，我想这就是我需要的xpath我不清楚为什么需要第二个xpath，请参阅我答案的更新。我需要从第3行开始的所有表内容，第二个xpath只返回一行。当然，我已经按照您在更新中的建议做了，但我很想知道第二个xpath有什么问题，因为它将使我接下来几天的代码变得清晰谢谢你的回答。但是删除xpath末尾的[0]会引发exeption:AttributeError:“list”对象没有属性“xpath”。我不相信仅仅删除
[0]
从那句话的结尾就导致了这个错误。您更改了其他内容，或者后来又出现了错误。请原谅这个可怜的家伙，我必须承认我的python技能很可能与此有关……下面是困扰我的实际代码片段：
return [process_row(row) for row in table.xpath('./tr')]

tbl = doc.xpath("//body/table[2]//tr[position()>2]")[0]