如何在python中使用xpath访问表值

Question

我正在尝试访问可在此处找到的表值 - https://www.sec.gov/Archives/edgar/data/320193/000119312515356351/d17062d10k.htm

具体来说，我试图访问2015年的净销售数字（即233,715），可以在10-K表格的第39页找到（见图）。

这是我的代码......

from lxml import html
import requests

SEC_page = requests.get('https://www.sec.gov/Archives/edgar/data/320193/000119312515356351/d17062d10k.htm')
SEC_tree = html.fromstring(SEC_page.content)

Description = SEC_tree.xpath('//html/body/document/type/sequence/filename/description/text()')
Sales_2015 = SEC_tree.xpath('//html/body/document/type/sequence/filename/description/text/table[48]/tbody/tr[4]/td[4]/font/text()')

print Description
print Sales_2015

我们可以看到＆＃39;描述＆＃39;打印 - 即。 [＆＃39;表格10-K \ n＆＃39;，＆＃39; \ n＆＃39;]

然而，＆＃39; Sales_2015＆＃39;回来是空的 - 即。 []

我做错了什么？

Answer 1

使用绝对XPath 时，很难调试并在表达式中发现问题。你应该避免使用绝对XPath。请注意，您需要table[48]！ 48，Carl！您最好使用 relative XPath ，因为它更灵活，更可靠，更详细：

(//p[contains(., "CONSOLIDATED STATEMENTS OF OPERATIONS")]/following::td[contains(.,"Net sales")]/following-sibling::td[@align="right"]//text())[1]

在这里，我们首先找到带有文字"CONSOLIDATED STATEMENTS OF OPERATIONS"的表格的标题，然后找到下表格单元格"Net sales"并抓取同一行中的第一个数字233,715