使用lxml和请求进行HTML刮擦

我在做这个教程，http://docs.python-guide.org/en/latest/scenarios/scrape/，要废弃一个html表，并且效果不好。使用lxml和请求进行HTML刮擦

我的代码：

import requests 
from lxml import html 

page = requests.get('http://www.dti.ufv.br/horario/horario.asp?ano=2015&semestre=1&depto=MAT') 
tree = html.fromstring(page.text) 

vaga = tree.xpath('/html/body/center/table/tbody/tr[2]/td/table[2]/tbody/tr[108]/td[9]') 
print vaga

我认为这个问题是使用XPath ...我没有像使用谷歌Chrome浏览器说，教程，但它不是在教程喜欢。任何人都可以帮助我获得正确的XPath？多谢你们！

来源

2015-02-24 carlosza

你要哪行的HTML内容进行定位？ – 2015-02-24 15:48:05

在HTML内容中，没有tbody标记。

在代码中，我们正在考虑使用tbody标签来查找目标代码。

vaga = tree.xpath('/html/body/center/table/tbody/tr[2]/td/table[2]/tbody/tr[108]/td[9]')

这将始终返回空列表，因为tbody标签不存在于HTML内容。

HTML内容：

<table width="760" border="0" cellspacing="0" cellpadding="0"> 
    <tr> 
     <td><img src="img/topo.jpg" width="760" height="101"></td> 
    </tr> 
    <tr> 
     <td background="img/conteudo.jpg"><p align="right"><img src="img/setas_voltar.jpg" width="8" height="7"> <font size="1"><strong><a href="javascript:history.back();">voltar</a>&nbsp;</strong></font></p> 
     <TABLE WIDTH=100% BORDER=0 CELLSPACING=1 CELLPADDING=1> 
     <TR> 
      <TD align=center> <br> 
       <font color="Black" size=2><b> Hor&aacute;rio de Aulas 2015/1</b></font><br>   </TD> 
     </TR> 
     </TABLE>

来源

2015-02-24 15:44:46

是的，但谷歌浏览器返回。我怎样才能得到正确的XPath呢？我想从该页面获得一张正确的表格。 – carlosza 2015-02-24 15:48:59

我们想要从表格中选择哪一行？从xpath中移除'tbody'并重试。我不知道Google Chrome，我认为Google Chrome会自动插入'tbody'标签。 – 2015-02-24 15:52:47

请参阅'MAT 135'第二行？我想要0号的行。我想要那个号码。剩下的是空缺，65号是全部空缺。我想处理这个数字，看看是否有空缺尚未加入MAT 135类，谢谢 – carlosza 2015-02-24 15:58:28

使用lxml和请求进行HTML刮擦

回答

相关问题