使用CSS选择器和Python在表中创建多行单元格

Question

因此，我在web上创建一个页面（http://canoeracing.org.uk/marathon/results/burton2016.htm），其中表中有多行单元格：

我使用下面的代码来刮取每一列（下面的代码正好刮取名称）：

import lxml.html
from lxml.cssselect import CSSSelector

# get some html
import requests

r = requests.get('http://canoeracing.org.uk/marathon/results/burton2016.htm')
# build the DOM Tree
tree = lxml.html.fromstring(r.text)
# construct a CSS Selector
sel1 = CSSSelector('body > table > tr > td:nth-child(2)')
# Apply the selector to the DOM tree.
results1 = sel1(tree)
# get the text out of all the results
data1 = [result.text for result in results1]

不幸的是，它只返回每个单元格的名字，而不是两个都返回。我在网络垃圾工具Kimono上也尝试过类似的东西，我都能抓取到，但是我想在Kimono在运行多个网页时失败时发送一个Python代码。在

Answer 1

问题是有些单元格包含多个由<br>分隔的文本节点。在这种情况下，查找所有文本节点并将它们连接起来：

data1 = [", ".join(result.xpath("text()")) for result in rows] 

对于屏幕截图中提供的行，您将得到：

^{pr2}$

您也可以使用.text_content()方法，但是您将丢失文本节点之间的分隔符，从而在结果中得到类似于OSCAR HUISSOONFREJA WEBBER的内容。在