Question

注意：问题已经更新，因为给出了一些早期答案。这仍然是同一个问题，希望更清楚。

我正在尝试让网站刮刀正常工作，而我遇到一些问题需要为某些表格单元格提供合适的xpath字符串。

<tbody>
  <tr>
    <td class="Label" width="20%" valign="top">Uninteresting section</td>
    <td class="Data"> I don't care about this</td>
  </tr>
  <tr>
    <td></td>
    <td class="Data"> I don't care about this</td>
  </tr>
  <tr>
    <td class="Label" width="20%" valign="top">Interesting section</td>
    <td class="Data"> I want this-1</td>
  </tr>
  <tr>
    <td></td>
    <td class="Data"> I want this-2</td>
  </tr>
  <tr>
    <td></td>
    <td class="Data"> I want this-n</td>
  </tr>
  <tr>
    <td class="Label" width="20%" valign="top">Uninteresting section</td>
    <td class="Data"> I don't care about this</td>
  </tr>
  <tr>
    <td></td>
    <td class="Data"> I don't care about this</td>
  </tr>
</tbody>

我想要有趣部分中所有数据字段的内容。可以有任意数量的这些。我不关心代码中的任何其他内容，但我需要所有这些。

在上面的例子中：我想要这个-1 我想要这个-2 我想要这个 -

如果相关，我在Python 2.7中使用xml.dom.minidom和py-dom-xpath。

Answer 1

您可以使用

获取该部分（包括其他部分）之后的所有内容

 //tr[@class="Entry"]//tr/td[contains(text(), "Section title")]/following::td[@class = "Data"]/text()

然后你可以获得你不想要的下一部分的所有内容

//tr[@class="Entry"]//tr/td[contains(text(), "Section title")]/following::td[@class="Label"][1]/following::td[@class = "Data"]/text()

然后你可以在Python中使用第一个n - m tds。

你可以尝试在XPath中使用位置和计数功能：

  //tr[@class="Entry"]//tr/td[contains(text(), "Section title")]/following::td[@class = "Data"][position() <= (count(//tr[@class="Entry"]//tr/td[contains(text(), "Section title")]/following::td[@class = "Data"]/text())  - count(//tr[@class="Entry"]//tr/td[contains(text(), "Section title")]/following::td[@class="Label"][1]/following::td[@class = "Data"]/text()) )]/text()

如果你有XPath 2.0，你可以使用except运算符优雅地完成它：

 //tr[@class="Entry"]//tr/td[contains(text(), "Section title")]/following::td[@class = "Data"]/text() except  //tr[@class="Entry"]//tr/td[contains(text(), "Section title")]/following::td[@class="Label"][1]/following::td[@class = "Data"]/text()

Answer 2

//tr[@class="Entry"]/td[@class="Data"]/text()

Answer 3

//tbody[tr/td[contains(text(),"Section title")]]/tr/td[@class="Data"]/text()

更新。这是做什么的：

获取tbody tr td td包含“部分标题”
从每个lass="Data"获取c {{1}}

需要帮助编写xpath字符串以匹配多个（但不是全部）表格单元格

3 个答案: