使用Python获取数据&；lxml

我有一个我的HTML，如下所示。我想获取

中的文本。根据下面给出的例子，我会得到3和5

对于这项工作，我使用Python2.7和lxml

<div class="pp-meta-review">
<span class="zrvwidget" style="">
    <span g:inline="true" g:type="NumUsersFoundThisHelpful" g:hideonnoratings="true" g:entity.annotation.groups="maps"    g:entity.annotation.id="http://maps.google.com/?q=Central+Kia+of+Irving++(972)+659-2204+loc:+1600+East+Airport+Freeway,+Irving,+TX+75062&gl=US&sll=32.83624,-96.92526" g:entity.annotation.author="AIe9_BH8MR-1JD_4BhwsKrGCazUyU5siqCtjchckDcg5BAl5rOLd9nvhJJDTrtjL-xFI8D42bD_7">
        <span class="zzNumUsersFoundThisHelpfulActive" zzlabel="helpful">
            <span>
                <span class="zzAggregateRatingStat">3</span>
            </span>
            <span>
                <span>&nbsp;</span>
                      out of
                <span>&nbsp;</span>
            </span>
            <span>
                <span class="zzAggregateRatingStat">5</span>
            </span>
            <span>
                <span>&nbsp;</span>
                    people found this review helpful.
            </span>
       </span>
   </span>
</span>
</div>

3.
从…里面
5.
人们发现这篇评论很有帮助。

这是

from lxml.etree导入fromstring
从lxml.cssselect导入CSSSelector
sel=CSSSelector（'.zzAggregateRatingStat'）
文本='3'
doc=fromstring（文本）
el=sel（doc）[0]
打印el.text

这是

from lxml.etree导入fromstring
从lxml.cssselect导入CSSSelector
sel=CSSSelector（'.zzAggregateRatingStat'）
文本='3'
doc=fromstring（文本）
el=sel（doc）[0]
打印el.text

以下代码适用于您的输入：

import lxml.html
root = lxml.html.parse('text.html').getroot()
for span in root.xpath('//span[@class="zzAggregateRatingStat"]'):
    print span.text

它打印：

3
5

与CSS选择器相比，我更喜欢使用

lxml

的xpath，尽管它们都可以完成这项工作

ChrisP的示例打印

3

，但如果在实际输入上运行它，我们会得到错误：

$ python chrisp.py
Traceback (most recent call last):
  File "chrisp.py", line 6, in <module>
    doc = fromstring(text)
  File "lxml.etree.pyx", line 2532, in lxml.etree.fromstring (src/lxml/lxml.etree.c:48270)
  File "parser.pxi", line 1545, in lxml.etree._parseMemoryDocument (src/lxml/lxml.etree.c:71812)
  File "parser.pxi", line 1424, in lxml.etree._parseDoc (src/lxml/lxml.etree.c:70673)
  File "parser.pxi", line 938, in lxml.etree._BaseParser._parseDoc (src/lxml/lxml.etree.c:67442)
  File "parser.pxi", line 539, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:63824)
  File "parser.pxi", line 625, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:64745)
  File "parser.pxi", line 565, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:64088)
lxml.etree.XMLSyntaxError: EntityRef: expecting ';', line 3, column 210

$python chrisp.py
回溯（最近一次呼叫最后一次）：
文件“chrisp.py”，第6行，在
doc=fromstring（文本）
文件“lxml.etree.pyx”，第2532行，位于lxml.etree.fromstring（src/lxml/lxml.etree.c:48270）中
文件“parser.pxi”，第1545行，在lxml.etree.\u parseMemoryDocument（src/lxml/lxml.etree.c:71812）中
文件“parser.pxi”，第1424行，在lxml.etree.\u parseDoc（src/lxml/lxml.etree.c:70673）中
文件“parser.pxi”，第938行，在lxml.etree.\u BaseParser.\u parseDoc（src/lxml/lxml.etree.c:67442）中
文件“parser.pxi”，第539行，位于lxml.etree.\u ParserContext.\u handleParseResultDoc（src/lxml/lxml.etree.c:63824）
lxml.etree.中的文件“parser.pxi”，第625行。\u handleParseResult（src/lxml/lxml.etree.c:64745）
文件“parser.pxi”，第565行，在lxml.etree中。\u raiseParserError（src/lxml/lxml.etree.c:64088）
lxml.etree.XMLSyntaxError:EntityRef:应为“；”，第3行，第210列

ChrisP的代码可以更改为使用

lxml.html.fromstring

，这是一种更为宽松的解析器，而不是

lxml.etree.fromstring

---

如果进行了此更改，它将打印

3

以下代码与您的输入一起工作：

import lxml.html
root = lxml.html.parse('text.html').getroot()
for span in root.xpath('//span[@class="zzAggregateRatingStat"]'):
    print span.text

它打印：

3
5

与CSS选择器相比，我更喜欢使用

lxml

的xpath，尽管它们都可以完成这项工作

ChrisP的示例打印

3

，但如果在实际输入上运行它，我们会得到错误：

$ python chrisp.py
Traceback (most recent call last):
  File "chrisp.py", line 6, in <module>
    doc = fromstring(text)
  File "lxml.etree.pyx", line 2532, in lxml.etree.fromstring (src/lxml/lxml.etree.c:48270)
  File "parser.pxi", line 1545, in lxml.etree._parseMemoryDocument (src/lxml/lxml.etree.c:71812)
  File "parser.pxi", line 1424, in lxml.etree._parseDoc (src/lxml/lxml.etree.c:70673)
  File "parser.pxi", line 938, in lxml.etree._BaseParser._parseDoc (src/lxml/lxml.etree.c:67442)
  File "parser.pxi", line 539, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:63824)
  File "parser.pxi", line 625, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:64745)
  File "parser.pxi", line 565, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:64088)
lxml.etree.XMLSyntaxError: EntityRef: expecting ';', line 3, column 210

$python chrisp.py
回溯（最近一次呼叫最后一次）：
文件“chrisp.py”，第6行，在
doc=fromstring（文本）
文件“lxml.etree.pyx”，第2532行，位于lxml.etree.fromstring（src/lxml/lxml.etree.c:48270）中
文件“parser.pxi”，第1545行，在lxml.etree.\u parseMemoryDocument（src/lxml/lxml.etree.c:71812）中
文件“parser.pxi”，第1424行，在lxml.etree.\u parseDoc（src/lxml/lxml.etree.c:70673）中
文件“parser.pxi”，第938行，在lxml.etree.\u BaseParser.\u parseDoc（src/lxml/lxml.etree.c:67442）中
文件“parser.pxi”，第539行，位于lxml.etree.\u ParserContext.\u handleParseResultDoc（src/lxml/lxml.etree.c:63824）
lxml.etree.中的文件“parser.pxi”，第625行。\u handleParseResult（src/lxml/lxml.etree.c:64745）
文件“parser.pxi”，第565行，在lxml.etree中。\u raiseParserError（src/lxml/lxml.etree.c:64088）
lxml.etree.XMLSyntaxError:EntityRef:应为“；”，第3行，第210列

ChrisP的代码可以更改为使用

lxml.html.fromstring

，这是一种更为宽松的解析器，而不是

lxml.etree.fromstring

---

如果进行了此更改，它将打印

3

获取…中的文本。。。然后通过展示你已经尝试过的内容来完成问题。我真的很抱歉输入错误。Stackoverflow将其作为HTML标记获取…中的文本。。。然后通过展示你已经尝试过的内容来完成问题。我真的很抱歉输入错误。Stackoverflow将其视为HTML Tagu感谢您的回答，我一直在网站上尝试这段代码，但都是徒劳的，您能看看吗it@Zulaikha，如果您想获得企业的评级，您可能希望查看Google和Yelp提供的API，而不是浏览网页。谢谢您的回答，我一直在网站上尝试这段代码，但都是徒劳的，你能看看吗it@Zulaikha，如果你想获得企业的评级，你可能想查看Google和Yelp提供的API，而不是浏览网页。嘿，谢谢你的回复，我不能完全写下你的网站代码。它不断给出不同的错误将lxml.etree.fromstring改为lxml.html.fromstring有效！坦克斯！唯一的问题是你在lxml.html中没有pretty_print选项：（嘿，谢谢你的回复，我不能完全写下你的网站代码。它不断地给出不同的错误将lxml.etree.fromstring改为lxml.html.fromstring有效！tanx！唯一的问题是你在lxml.html中没有pretty_print选项：(