Question

首先，我是python和Stack Overflow的新手，所以请善待。

这是我要从中提取数据的html页面的源代码。

网页：http://gbgfotboll.se/information/?scr=table&ftid=51168 该表位于页面底部

  <html>
        table class="clCommonGrid" cellspacing="0">
                <thead>
                    <tr>
                        <td colspan="3">Kommande matcher</td>
                    </tr>
                    <tr>
                        <th style="width:1%;">Tid</th>
                        <th style="width:69%;">Match</th>
                        <th style="width:30%;">Arena</th>
                    </tr>
                </thead>

                <tbody class="clGrid">

            <tr class="clTrOdd">
                <td nowrap="nowrap" class="no-line-through">
                    <span class="matchTid"><span>2014-09-26<!-- br ok --> 19:30</span></span>



                </td>
                <td><a href="?scr=result&amp;fmid=2669197">Guldhedens IK - IF Warta</a></td>
                <td><a href="?scr=venue&amp;faid=847">Guldheden Södra 1 Konstgräs</a> </td>
            </tr>

            <tr class="clTrEven">
                <td nowrap="nowrap" class="no-line-through">
                    <span class="matchTid"><span>2014-09-26<!-- br ok --> 13:00</span></span>



                </td>
                <td><a href="?scr=result&amp;fmid=2669176">Romelanda UF - IK Virgo</a></td>
                <td><a href="?scr=venue&amp;faid=941">Romevi 1 Gräs</a> </td>
            </tr>

            <tr class="clTrOdd">
            <td nowrap="nowrap" class="no-line-through">
                <span class="matchTid"><span>2014-09-27<!-- br ok --> 13:00</span></span>



            </td>
            <td><a href="?scr=result&amp;fmid=2669167">Kode IF - IK Kongahälla</a></td>
            <td><a href="?scr=venue&amp;faid=912">Kode IP 1 Gräs</a> </td>
        </tr>

        <tr class="clTrEven">
            <td nowrap="nowrap" class="no-line-through">
                <span class="matchTid"><span>2014-09-27<!-- br ok --> 14:00</span></span>



            </td>
            <td><a href="?scr=result&amp;fmid=2669147">Floda BoIF - Partille IF FK </a></td>
            <td><a href="?scr=venue&amp;faid=218">Flodala IP 1</a> </td>
        </tr>


                </tbody>
        </table>
    </html>

我需要提取时间：19：30和团队名称：Guldhedens IK - IF Warta意味着第一个和第二个表格单元格（不是第三个）来自第一个表格行和13:00 / Romelanda UF - IK处女座从第二个表行等等。来自所有表行。

正如你所看到的那样，每一个表行都有一个日期，所以这里有一个棘手的部分。我只想从那些日期等于我运行此代码的日期的表行中获取上面提到的时间和团队名称。

到目前为止我唯一能做的事情并不多，我只能使用这段代码获得时间和团队名称：

import lxml.html
html = lxml.html.parse("http://gbgfotboll.se/information/?scr=table&ftid=51168")
test=html.xpath("//*[@id='content-primary']/table[3]/tbody/tr[1]/td[1]/span/span//text()")

print test

给了我结果[＆＃39; 2014-09-26＆＃39;，＆＃39; 19：30＆＃39;]之后，我迷失了如何遍历不同的表行，想要特定的表格单元格，其中日期与我运行代码的日期相匹配。

我希望你能尽可能多地回答。

Answer 1

如果我理解你，请尝试这样的事情：

import lxml.html
url = "http://gbgfotboll.se/information/?scr=table&ftid=51168"
html = lxml.html.parse(url)
for i in range(12):
    xpath1 = ".//*[@id='content-primary']/table[3]/tbody/tr[%d]/td[1]/span/span//text()" %(i+1)
    xpath2 = ".//*[@id='content-primary']/table[3]/tbody/tr[%d]/td[2]/a/text()" %(i+1)
    print html.xpath(xpath1)[1], html.xpath(xpath2)[0]

我知道这很脆弱，有更好的解决方案，但它有效。 ;）

修改
使用BeautifulSoup更好的方法：

from bs4 import BeautifulSoup import requests respond = requests.get("http://gbgfotboll.se/information/?scr=table&ftid=51168") soup = BeautifulSoup(respond.text) l = soup.find_all('table') t = l[2].find_all('tr') #change this to [0] to parse first table for i in t: try: print i.find('span').get_text()[-5:], i.find('a').get_text() except AttributeError: pass

<强> EDIT2：页面没有响应，但这应该工作：

from bs4 import BeautifulSoup import requests respond = requests.get("http://gbgfotboll.se/information/?scr=table&ftid=51168") soup = BeautifulSoup(respond.text) l = soup.find_all('table') t = l[2].find_all('tr') time = "" for i in t: try: dateTime = i.find('span').get_text() teamName = i.find('a').get_text() if time == dateTime[:-5]: print dateTime[-5,], teamName else: print dateTime, teamName time = dateTime[:-5] except AttributeError: pass

lxml：

import lxml.html url = "http://gbgfotboll.se/information/?scr=table&ftid=51168" html = lxml.html.parse(url) dateTemp = "" for i in range(12): xpath1 = ".//*[@id='content-primary']/table[3]/tbody/tr[%d]/td[1]/span/span// text()" %(i+1) xpath2 = ".//*[@id='content-primary']/table[3]/tbody/tr[%d]/td[2]/a/text()" %(i+1) time = html.xpath(xpath1)[1] date = html.xpath(xpath1)[0] teamName = html.xpath(xpath2)[0] if date == dateTemp: print time, teamName else: print date, time, teamName

Answer 2

感谢@CodeNinja的帮助，我只是稍微调整了一下，以获得我想要的东西。我导入时间来获取运行代码的日期。无论如何这里是我想要的代码。谢谢你的帮助!!

import lxml.html
import time
url = "http://gbgfotboll.se/information/?scr=table&ftid=51168"
html = lxml.html.parse(url)
currentDate = (time.strftime("%Y-%m-%d"))
for i in range(12):
    xpath1 = ".//*[@id='content-primary']/table[3]/tbody/tr[%d]/td[1]/span/span//text()" %(i+1)
    xpath2 = ".//*[@id='content-primary']/table[3]/tbody/tr[%d]/td[2]/a/text()" %(i+1)
    time = html.xpath(xpath1)[1]
    date = html.xpath(xpath1)[0]
    teamName = html.xpath(xpath2)[0]
    if date == currentDate:
        print time, teamName

所以这里是正确方法的最终版本。这将解析它所拥有的所有表行而不使用＆＃34; range＆＃34;在for循环中。我在其他帖子中得到了这个答案：Iterate through all the rows in a table using python lxml xpath

import lxml.html
from lxml.etree import XPath
url = "http://gbgfotboll.se/information/?scr=table&ftid=51168"
date = '2014-09-27'

rows_xpath = XPath("//*[@id='content-primary']/table[3]/tbody/tr[td[1]/span/span//text()='%s']" % (date))
time_xpath = XPath("td[1]/span/span//text()[2]")
team_xpath = XPath("td[2]/a/text()")

html = lxml.html.parse(url)

for row in rows_xpath(html):
    time = time_xpath(row)[0].strip()
    team = team_xpath(row)[0]
    print time, team

python使用lxml和xpath解析html表上的特定数据

2 个答案: