我需要解析以下结构的html表:
<table class="table1" width="620" cellspacing="0" cellpadding="0" border="0">
<tbody>
<tr width="620">
<th width="620">Smth1</th>
...
</tr>
<tr bgcolor="ffffff" width="620">
<td width="620">Smth2</td>
...
</tr>
<tr bgcolor="E4E4E4" width="620">
<td width="620">Smth3</td>
...
</tr>
<tr bgcolor="ffffff" width="620">
<td width="620">Smth4</td>
...
</tr>
</tbody>
</table>
Python代码:
r = requests.post(url,data)
html = lxml.html.document_fromstring(r.text)
rows = html.xpath(xpath1)[0].findall("tr")
#Getting Xpath with FireBug
data = list()
for row in rows:
data.append([c.text for c in row.getchildren()])
但我在第三行看到:
IndexError: list index out of range
任务是从这里形成python dict。行数可能不同。
升级版。 更改了获取html代码的方式,以避免请求库可能出现的问题。现在它是一个简单的url:
html = lxml.html.parse(test_url)
这证明了html的所有功能都是正常的:
lxml.html.open_in_browser(html)
但同样的问题是:
rows = html.xpath(xpath1)[0].findall('tr')
data = list()
for row in rows:
data.append([c.text for c in row.getchildren()])
下面是xpath1:
'/html/body/table/tbody/tr[5]/td/table/tbody/tr/td[2]/table/tbody/tr/td/center/table'
UPD2.实验发现,xpath崩溃于:
xpath1 = '/html/body/table/tbody'
print html.xpath(xpath1)
#print returns []
如果xpath1较短,则它看起来工作良好,并返回[<Element table at 0x2cbadb0>]
for xpath1 = '/html/body/table'
您的
.xpath(xpath1)
XPath表达式找不到任何元素。检查该表达式是否有错误。您没有包含XPath,所以我不确定您要做什么,但是如果我理解正确,这应该可以工作
不过,这是一个项目列表,如下所示:
要有一个简单的值列表,可以使用以下代码
这都是假设r.text正是你在上面贴的。
相关问题 更多 >
编程相关推荐