使用lxml-python从网站中删除Url和文本

我对lxml和XPath了解不多，我想学习如何从网站上抓取数据。当我运行这段代码时，我没有得到任何结果，也不知道为什么。请帮我修一下

代码在这里

from lxml import html
import requests
pageLen=str(100)
page = requests.get('http://www.yellowpages.com/search?search_terms=lawyer&geo_location_terms=usa&page=2')
print(page)
tree = html.fromstring(page.content)
#phoneNumber = tree.xpath('//span[@class="c411Phone"]/text()')
Link=tree.xpath('//div[@class="info"]/a/@href')
Bname=tree.xpath('//a[@class="business-name"]/text()')
print(Bussiness_names)
print(Bname)

HTML代码

又快又脏：

from lxml import html
import requests

url = 'http://www.yellowpages.com/search?search_terms=lawyer&geo_location_terms=usa&page=2'
page = requests.get(url)
tree = html.fromstring(page.text)
tree.make_links_absolute(url)
for business in tree.xpath('//a[@class="business-name"]'):
  print business.attrib['href'], business.text

---

谢谢你@Abd Azrad。你的解决方案对我帮助很大

你能进一步指导我吗？我不知道如何处理不一致的数据？ 有时，邮政地址缺失，有时位置缺失。我只想忽略那些不符合我要求的数据。

page=requests.get（'http://www.yellowpages.com/search?search_terms=%s&geo_location_terms=%s&page=%s“%（“律师”、“托罗诺”、“2”））
tree=html.fromstring（page.text）
bus_names=tree.xpath（'//a[@class=“business name”]/text（））
打印总线名称
##bus_url=tree.xpath（'//a[@class=“business name”]/href（））
##打印总线地址
street_ad=tree.xpath（'//span[@class=“street address”]/text（））
印刷品（街头广告）
loc=tree.xpath（'//span[@class=“locality”]/text（））
打印（loc）
postal=tree.xpath（'//span[@itemprop=“postalCode”]/text（））
印刷品（邮政）
contact=tree.xpath（'//div[@class=“phones-phone-primary”]/text（））
打印（联系人）

---

通过这种方式，我得到了列表，但由于列表长度不同，我无法保持跟踪数据。是否有任何方法可以获取列表中每个人的数据以及2d列表形式的所有数据[[人名，人名地址]，[人名，人名联系人]？

您考虑过使用Beautiful Soup吗？我没有试过漂亮的肥皂。我不能用lxml提取链接吗？如果你不知道XPath和lxml是如何工作的，你需要去学习XPath并阅读lxml文档。你能给我推荐一些好书或教程吗？lxml文档是pdf格式的，w3schools提供了一个很好的xpath教程，将第二个脚本更改为python 2.7。您能告诉我如何获取url吗？遗憾的是，这个网站并不是专门为这种持续的帮助而建立的。我建议发布一个新问题。但这里有一些一般性的建议：使用字典来存储每个业务（）。使用

try

和

except

来处理丢失的数据（）。