Question

我想从Strava获得俱乐部活动。我原本打算使用api和C＃（我所知道的cos），但是由于api提供的信息不足，因此我转向这里的技术（https://twitter.com/OleksMaistrenko/status/1252251408495190018）。这是一种了不起的资源，使我90％地了解了那里。我现在正在尝试从HTML中获取更多信息，并且是一名完整的Python / lxml新手，我不知道该怎么做。

因此，为了加快活动进度，请使用以下HTML：

   <li title="Pace">
      "7:46"
      <abbr class="unit" title="minutes per mile"> /mi</abbr>
   </li>

由以下代码抓取：

activity_pace = activity.xpath(".//li[@title='Pace']")[0].text.strip()

Q1。那么，如何刮擦HTML以获得活动持续时间？

<li title="Time">
   "56"
   <abbr class="unit" title="minute">m</abbr>
    " 26"
   <abbr class="unit" title="second">s</abbr>
</li>

我尝试过，它只能获取分钟数：

activity_time = activity.xpath(".//li[@title='Time']")[0].text

第二季度。我想获取活动标题（在本例中为“晨跑”）。这是HTML：

<h3 class="entry-title activity-title" str-on="click" str-trackable- 
  id="ChQIBTIQCIGRyLgMGAEwLDgAQABIARIECgIIBA==" str-type="self">
  <div class="entry-type-icon"><span class="app-icon-wrapper  "><span class="app-icon icon-run icon-dark 
  icon-lg"></span></span></div>
  <strong>
  <a href="/activities/3339847809">Morning Run</a>
  </strong>
</h3>

我已经确定可以用以下方法解决问题：

activity.xpath(".//h3[@class='entry-title activity-title']")[0]

但是在那之后我很沮丧：-（

Answer 1

它不是很优雅，但是可以通过以下方式完成：假设您的html看起来像这样：

activity = """
<doc>
  <h3 class="entry-title activity-title" str-on="click" str-trackable- 
  id="ChQIBTIQCIGRyLgMGAEwLDgAQABIARIECgIIBA==" str-type="self">
  <div class="entry-type-icon"><span class="app-icon-wrapper  "><span class="app-icon icon-run icon-dark 
  icon-lg"></span></span></div>
  <strong>
  <a href="/activities/3339847809">Morning Run</a>
  </strong>
</h3>
<li title="Time">
   "56"
   <abbr class="unit" title="minute">m</abbr>
    " 26"
   <abbr class="unit" title="second">s</abbr>
</li>
</doc>"""

import lxml.html
doc = lxml.html.fromstring(activity)

sports = doc.xpath("//h3[@class='entry-title activity-title']//a/text()")
duration = doc.xpath('//li[@title="Time"]')
abbrs = doc.xpath('//abbr[@class="unit"]')

for abbr in abbrs:
    abbr.text=''
for sport in sports:
    print(sport)
for d in dur:
    print(d.text_content().strip().replace('\n','').replace(' ','').replace('""',':'))

输出：

Morning Run
"56:26"

使用Python和lxml进行网上抓取Strava

1 个答案: