Question

这是一段HTML代码： -

source1 = '

    <tr>
        <td bgcolor="#ffffff"><font face="Tahoma" size="2">Gemara</font></td>
        <td bgcolor="#ffffff"><font face="Tahoma" size="2">Kiddushin</font></td>
        <td bgcolor="#ffffff"><font face="Tahoma" size="2">Morning</font></td>

        <td bgcolor="#ffffff"><font face="Tahoma" size="2">12-04-2104</font></td>

        <td colspan=2 bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" size="2">
        <a href="#" onClick="listen('05-115-08-2104-12-04.mp3')"><img src="images/play_audio.gif" border="0"></a>
        <a href="#" onClick="mydownload('05-115-08-2104-12-04.mp3')"><img src="images/download.gif" border="0"></a>
        </td>
        <!-- <td bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" size="2">

        <a href="http://mgr.uvault.com/yadavraham/media//05-115-08-2104-12-04.mp3">Download</a> 
        </td>
        -->
    </tr>
'

我能够解析HTML中的所有数据，只有Mp3文件名解析没有返回任何值

请参阅下面的代码：

from lxml import html
source2 = html.fromstring(str(source1))

Category = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][1]//text()')
Book = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][2]//text()')
Section = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][3]//text()')
Date = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][4]//text()')
Mp3filename = source2.xpath('//tr[1]//td[@colspan=2]//a[1]//@onClick')
print Category, Book, Section, Date, Mp3filename

Mp3filename变量返回Null值。我的Xapth查询是对的吗？

Answer 1

看起来lxml.html将属性名称转换为小写字母（在python 2.7中测试，HTML从问题中复制粘贴而没有更改）：

raw= '''<tr>
                                    <td bgcolor="#ffffff"><font face="Tahoma" size="2">Gemara</font></td>
                                    <td bgcolor="#ffffff"><font face="Tahoma" size="2">Kiddushin</font></td>
                                    <td bgcolor="#ffffff"><font face="Tahoma" size="2">Morning</font></td>

                                    <td bgcolor="#ffffff"><font face="Tahoma" size="2">12-04-2104</font></td>

                                    <td colspan=2 bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" size="2">
                                    <a href="#" onClick="listen('05-115-08-2104-12-04.mp3')"><img src="images/play_audio.gif" border="0"></a>
                                    <a href="#" onClick="mydownload('05-115-08-2104-12-04.mp3')"><img src="images/download.gif" border="0"></a>
                                    </td>
                                    <!-- <td bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" Size="2">

                                    <a href="http://mgr.uvault.com/yadavraham/media//05-115-08-2104-12-04.mp3">Download</a> 
                                    </td>
                                    -->
                                    </tr>'''

from lxml import html
source2 = html.fromstring(raw)

Mp3filename = source2.xpath('//tr[1]//td[@colspan=2]//a[1]')
print html.tostring(Mp3filename[0])
# output :
# <a href="#" onclick="listen('05-115-08-2104-12-04.mp3')"><img src="images/play_audio.gif" border="0"></a>
#             ^notice that the attribute name changed to lower-case

所以我建议您尝试在XPath中使用小写@onclick：

Mp3filename = source2.xpath('//tr[1]//td[@colspan=2]//a[1]/@onclick')

Answer 2

首先修复HTML，使其成为有效的xml。

您错过了上一个<font>中<td>的结束标记。因此，XPath将无法在其下找到任何有效的xml。

xpath选择器未返回匹配项

2 个答案: