如何使用cssselect和lxml从选择下拉菜单中获取选项值？

我想使用lxml和cssselect从选择下拉框中获取/刮取数据。如何使用cssselect和lxml从选择下拉菜单中获取选项值？

我已经尝试了一些东西，搜查，没有运气迄今网：

所以以下或类似的代码是一个网页，我刮：使用以下cssselect声明

<select id="attribute501" class="required-entry super-attribute-select" name="super_attribute[501]"> 
<option value="">Choose an Option...</option> 
<option value="33">5</option> 
<option value="31">10</option> 
</select>

：

css_sel_price_dd = 'html body.catalog-product-view div.wrapper div.page div.main-container div.main div.col-main div.product-view div.product-essential form div.product-shop select' 


pack_size_obj = root.cssselect(css_sel_price_dd) 
print 'This strain has a drop down select box for different pack sizes: ' 
print pack_size_obj 
pack_size = pack_size_obj[0].text_content().encode('utf-8').strip() 
print 'Pack Size: ' + pack_size

产生以下结果：

This strain has a drop down select box for different pack sizes: 
[<SelectElement 10e77d590 name='super_attribute[501]'>] 
Pack Size: Choose an Option...

但到目前为止，我无法获得访问来自其他选项的文本值，即5，10名来自

<option value="33">5</option> 
<option value="31">10</option>

我已经尝试添加选项的CSS路径和不同的东西，但能“T似乎猜到语法和不能找到什么...

仍然没有工作 - 这里是实际的代码片段与URL等

import lxml.html 
import requests 
import csv 


user_agent = {'User-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_5) AppleWebKit/536.26.17 (KHTML, like Gecko) Version/6.0.2 Safari/536.26.17'} 
# Open a session 
s = requests.session() 

s.get('http://www.seedsman.com/en/cannabis-seeds', headers = user_agent) 

css_sel_price_dd = '.product-shop select option' 

open_seed_url = 'http://www.seedsman.com/en/amsterdam-mist-feminised-seeds' 
print 'From the following URL: ' + open_seed_url 

r = s.get(open_seed_url, headers = user_agent) 
r_encoding = r.encoding 
print 'encoding type of r:' 
print r_encoding 

myhtml = r.text # gives us a unicode string work with unicode and encode at the end when have piece of data we want 

print myhtml.encode('utf-8') 

root = lxml.html.fromstring(myhtml) 

pack_size_obj = root.cssselect(css_sel_price_dd) 
print pack_size_obj 
for opt in pack_size_obj: 
    print '{0} : {1}'.format(opt.get('value'), opt.text)

希望有人能看到出了什么问题？

回报：

From the following URL: http://www.seedsman.com/en/amsterdam-mist-feminised-seeds 
encoding type of r: UTF-8 
** HTML removed for brevity ** 
[<Element option at 0x1108dcbf0>] 
None : Choose an Option... 
[Finished in 3.9s]

来源

2013-04-30 Matt Browne

您需要添加option到您的选择，然后你会得到选项元素的列表。看看这个示例代码段，只有HTML被简化了一下：

src_html = """ 
<html> 
    <head></head> 
    <body> 
     <div> 
      <select id="attribute501" class="required-entry super-attribute-select" name="super_attribute[501]"> 
       <option value="">Choose an Option...</option> 
       <option value="33">5</option> 
       <option value="31">10</option> 
      </select> 
     </div> 
    </body> 
</html> 
""" 
root = html.fromstring(src_html) 

css_sel_price_dd = 'html body div select option' 
pack_size_obj = root.cssselect(css_sel_price_dd) 
for opt in pack_size_obj: 
    print '{0} : {1}'.format(opt.get('value'), opt.text)

来源

2013-04-30 11:47:18 andrean

谢谢您的回答 - 我使用python 2.7在OSX上，无法得到这个工作？！我在最后一行发现错误 - 错误声称是缩进错误，但事实并非如此。上面的代码应该与我的python版本一起工作吗？ – 2013-04-30 14:17:14

另外，当我修改我的cssselect代码（通过添加选项）后打印列表css_sel_price_dd - 我仍然得到一个项目的列表，这就是为什么我认为这是最初不工作之前，我问这个问题。那么你能解释一下假设上面的工作正在发生什么，谢谢！ – 2013-04-30 14:19:37

应该没有缩进错误，请检查您是否正确粘贴。至于结果，你的选择器中可能有一个错误，而你正在寻找别的东西而不是你正在寻找的东西。如果您可以将网址发布到该页面，我可以验证它。 – andrean 2013-04-30 14:27:18

可以使用xpath

options = root.xpath("//select[@id='attribute501']/option") 
option_text = [option.text for option in options]

options = root.xpath("//select[@id='attribute501']/option/text()")

来源

2015-01-14 05:11:58

如何使用cssselect和lxml从选择下拉菜单中获取选项值？

回答

相关问题