eclipse -vm C:\Program Files (x86)\Java\jdk1.8.0_60\bin\javaw.exe我试图从公司目录中的900个不同页面抓取电子邮件。 HTML代码在每个页面中都相对类似。但是，Contactemail会返回元素值。上面的XPath是下面代码的href值。 我想通过XPath从href值中提取只是标题 contact@23-de-enero.com ，但我不知道在哪里非常开始。 我也希望这样能用于不同的页面，而不仅仅是这个href值/网页。
1.8.0_60我已查看正则表达式，并尝试使用from lxml import html
import requests
for i in range(44,530): # Number of pages plus one
url = "http://postscapes.com/companies/r/{}".format(i)
page = requests.get(url)
tree = html.fromstring(page.content)
contactemail = tree.xpath('//*[@id="rt-mainbody"]/div/div/div[2]/div[4]/address/a')
print contactemail
进行打印，但它无法正常工作。
任何提示？
答案 0 :(得分：0)
有一些可能的方法可以提取相同的值，即电子邮件地址，例如：
# get email address from inner text of the element :
print contactemail[0].text
# get email address from href attribute + substring-after() :
print contactemail[0].xpath('substring-after(@href, "mailto:")')
如果您在一个a父元素中有多个address元素，则可以使用列表推导语法：
print [link.text for link in contactemail]