Question

在尝试从网页表中提取值时，我无法弄清楚XPATH有什么问题。方法似乎是正确的，因为我可以提取页面标题和其他属性，但我无法提取第三个值，它总是返回一个空列表？

from lxml import html
import requests

test_url = 'SC312226'

page = ('https://www.opencompany.co.uk/company/'+test_url)

print 'Now searching URL: '+page

data = requests.get(page)
tree = html.fromstring(data.text)

print tree.xpath('//title/text()') # Get page title  
print tree.xpath('//a/@href') # Get href attribute of all links  
print tree.xpath('//*[@id="financial"]/table/tbody/tr/td[1]/table/tbody/tr[2]/td[1]/div[2]/text()')

除非我遗漏了什么，否则看起来XPATH是正确的：

Chrome screenshot

我检查了Chrome控制台，显示确定！所以我不知所措。

$x ('//*[@id="financial"]/table/tbody/tr/td[1]/table/tbody/tr[2]/td[1]/div[2]/text()')
[
"£432,272"
]

Answer 1

您应该指定元素名称。如果您不想指定特定的标记名称，可以使用*：

print tree.xpath('//*[@id="financial"]/...')
                    ^

<强>更新

在html文件中（只是在浏览器中呈现之前的html），没有tbody标记。因此，您需要从表达式中删除tbody：

//*[@id="financial"]/table/tr/td[1]/table/tr[2]/td[1]/div[2]/text()

使用following-sibling轴的替代方式：

//div[text()="Total Assets"]/following-sibling::div/text()

Python lxml - 返回空列表

1 个答案: