Question

我正在尝试做一些看似简单的事情...我试图从这个链接中删除路透社名单中的公司名称：

http://www.reuters.com/finance/markets/index?symbol=us!spx&sortBy=&sortDir=&pn=

然而，我只是无法访问公司名称！真的，在玩了很多xpath查询之后，我在访问表时遇到了问题。我想抓住像“3M公司”和“雅培实验室”这样的名字

以下是我使用过的代码片段：

scrape = []
companies =[]
import lxml
import lxml.html
import lxml.etree

urlbase = 'http://reuters.com/finance/markets/index?symbol=us!spx&sortBy=&sortDir=&pn='
for i in range(1:18):
    url = urlbase+str(i)
    content = lxml.html.parse(url)
    item = content.xpath('XPATH HERE')
    ticker = [thing.text for thing in item]

以下是我一直在玩的xpath：

'//*[@id="topContent"]/div/div[2]/div[1]/table/tr[2]/td[1]/a'
'//*[@id="topContent"]/div/div[2]/div[1]/table/tbody/tr[2]/td[1]/a
'/html/body/div[3]/div[3]/div/div[2]/div/table/tbody/tr[3]/td/a'
'/html/body/div[3]/div[3]/div/div[2]/div/table/tr[3]/td/a'

我尝试通过以下方式访问该特定表： '//table[@class="dataTable sortable"]'，但没有运气

任何人都可以帮忙吗？我觉得这是一个知道他们正在做什么的人能够很快修复的事情谢谢！

Answer 1

您尝试抓取的页面在表格中有一个表单。正确的xpath应为'//table[@class="dataTable sortable"]/form/tr/td[1]/a'

此外，您的代码中可能有拼写错误，应该是range(1,18)而不是range(1:18)。这是我身边的最终代码：

scrape = []
companies =[]
import lxml
import lxml.html
import lxml.etree

urlbase = 'http://reuters.com/finance/markets/index?symbol=us!spx&sortBy=&sortDir=&pn='
for i in range(1,18):
    url = urlbase+str(i)
    content = lxml.html.parse(url)
    item = content.xpath('//table[@class="dataTable sortable"]/form/tr/td[1]/a')
    ticker = [thing.text for thing in item]
    print ticker

python抓路透网站...坏xpath？

1 个答案: