使用 python、LXML 和 XPATH 从网站上的 table 中提取信息

Question

经过大量的努力，我从这个网站的 table 中提取了一些我需要的信息：

http://gbgfotboll.se/serier/?scr=table&ftid=57108

从 table "Kommande Matcher"（第二个 table）我设法提取了日期和团队名称。

但现在我完全无法从第一个 table:

中提取出来

第一栏"Lag"
第二栏"S"
6h列"GM-IM"
最后一列"P"

有什么想法吗？ , 谢谢

Answer 1

我刚刚做到了：

from io import BytesIO
import urllib2 as net
from lxml import etree
import lxml.html    

request = net.Request("http://gbgfotboll.se/serier/?scr=table&ftid=57108")
response = net.urlopen(request)
data = response.read()

collected = [] #list-tuple of [(col1, col2...), (col1, col2...)]
dom = lxml.html.parse(BytesIO(data))
#all table rows    
xpatheval = etree.XPathDocumentEvaluator(dom)
rows = xpatheval('//div[@id="content-primary"]/table[1]/tbody/tr')

for row in rows:
    columns = row.findall("td")
    collected.append((
        columns[0].find("a").text.encode("utf8"), # Lag
        columns[1].text, # S
        columns[5].text, # GM-IM
        columns[7].text, # P - last column
    ))

for i in collected: print i

您可以直接在 lxml.html.parse() 中传递 URL 而不是调用 urllib2。此外，您可以通过 class 属性获取目标 table，如下所示：

# new version
from lxml import etree
import lxml.html    

collected = [] #list-tuple of [(col1, col2...), (col1, col2...)]
dom = lxml.html.parse("http://gbgfotboll.se/serier/?scr=table&ftid=57108")
#all table rows
xpatheval = etree.XPathDocumentEvaluator(dom)
rows = xpatheval("""//div[@id="content-primary"]/table[
    contains(concat(" ", @class, " "), " clTblStandings ")]/tbody/tr""")

for row in rows:
    columns = row.findall("td")
    collected.append((
        columns[0].find("a").text.encode("utf8"), # Lag
        columns[1].text, # S
        columns[5].text, # GM-IM
        columns[7].text, # P - last column
    ))

for i in collected: print i

使用 python、LXML 和 XPATH 从网站上的 table 中提取信息

Extracting information from a table on a website using python, LXML & XPATH

python

xpath

parsing

lxml

python-2.7