Python lxml XPath问题

一尘不染

Python lxml XPath问题

python

我正在尝试从网页中打印/保存特定元素的HTML。
我已经从萤火虫中检索了所请求元素的XPath。

我只希望将该元素保存到文件中。我似乎没有成功。
（尝试在XPath/text()的结尾加上和不结尾）

我将不胜感激，或者有以往的经验。
10x，大卫

import urllib2,StringIO
from lxml import etree

url='http://www.tutiempo.net/en/Climate/Londres_Heathrow_Airport/12-2009/37720.htm'
seite = urllib2.urlopen(url)
html = seite.read()
seite.close()
parser = etree.HTMLParser()
tree = etree.parse(StringIO.StringIO(html), parser)
xpath = "/html/body/table/tbody/tr/td[2]/div/table/tbody/tr[6]/td/table/tbody/tr/td[3]/table/tbody/tr[3]/td/table/tbody/tr/td/table/tbody/tr/td/table/tbody/text()"
elem = tree.xpath(xpath)


print elem[0].strip().encode("utf-8")

阅读 288

2021-01-20

共1个答案

一尘不染

您的XPath显然太长了，为什么不试试较短的XPath看看它们是否匹配。一个问题可能是“ tbody”，浏览器会在DOM中自动创建“
tbody”，但HTML标记通常不包含它。

这是有关如何使用XPath结果的示例：

>>> from lxml import etree
>>> from StringIO import StringIO
>>> doc = etree.parse(StringIO("<html><body>a<something/>b</body></root>"), etree.HTMLParser())
>>> doc.xpath("/html/body/text()")
['a', 'b']

因此"".join(...)，如果需要，您可以将所有文本部分放在一起。

2021-01-20