xpath 选择器不返回匹配项

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

请看下面我的代码：

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 查询正确吗？

Answer 1

看起来 lxml.html 将属性名称转换为小写（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

所以我建议尝试在您的 XPath 中使用小写 @onclick :

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

Answer 2

首先修复您的 HTML，使其有效 xml。

您缺少最后一个 <td> 中 <font> 的结束标记。因此，XPath 不会在其下方找到任何有效的 xml。

xpath 选择器不返回匹配项

xpath selectors not returning a match

python

xpath

lxml

python-2.7