Question

我使用xpath在python中编写了一个脚本来解析来自网页的表格数据。执行时，它能够完美地解析表中的数据。我无法解决的唯一问题是解析table header，表示th标记。如果我使用css选择器做同样的事情，我可以使用.cssselect("th,td")但是在xpath的情况下我被卡住了。任何有关如何解析th标签数据的帮助也将受到高度赞赏。

以下脚本能够从th标记内的数据中获取不同表格中的所有内容：

import requests
from lxml.html import fromstring

response = requests.get("https://fantasy.premierleague.com/player-list/")
tree = fromstring(response.text)
for row in tree.xpath("//*[@class='ism-table']//tr"):
    tab_d = row.xpath('.//td/text()')
    print(tab_d)

Answer 1

我不确定我是否理解您的观点，但如果您想使用单个XPath同时获取th和td个节点，则可以尝试替换

tab_d = row.xpath('.//td/text()')

与

tab_d = row.xpath('.//*[name()=("th" or "td")]/text()')

Answer 2

更改

.//td/text()

到

.//*[self::td or self::th]/text()

也包括th元素。

请注意，假设td和th都是tr上下文节点的直接子节点是合理的，因此您可以进一步简化XPath：

*[self::td or self::th]/text()

无法解析来自不同表格的`th`标签和`td`标签的数据

2 个答案: