Python：使用XPath从表中获取数据

Question

我试图从http://projects.fivethirtyeight.com/election-2016/delegate-targets/的底部获取表中的数据。

import requests 
from lxml import html 

url = "http://projects.fivethirtyeight.com/election-2016/delegate-targets/" 
response = requests.get(url) 
doc = html.fromstring(response.text) 


tables = doc.findall('.//table[@class="delegates desktop"]') 
election = tables[0] 
election_rows = election.findall('.//tr') 
def extractCells(row, isHeader=False): 
    if isHeader: 
     cells = row.findall('.//th') 
    else: 
     cells = row.findall('.//td') 
    return [val.text_content() for val in cells] 

import pandas 

def parse_options_data(table): 
    rows = table.findall(".//tr") 
    header = extractCells(rows[1], isHeader=True) 
    data = [extractCells(row, isHeader=False) for row in rows[2:]] 
    return pandas.DataFrame(data, columns=header) 

election_data = parse_options_data(election) 
election_data 

我遇到了与候选人的名字（'特朗普'，'克鲁斯'，'卡西奇'）最高行的麻烦。它在tr class =“top”之下，现在我只有tr class =“bottom”（从“won/target”开始）。

任何帮助非常感谢！

Answer 1

候选人的名字是第0行中：

candidates = [val.text_content() for val in rows[0].findall('.//th')[1:]] 

或者，如果重复使用相同的extractCells()功能：在这里

candidates = extractCells(rows[0], isHeader=True)[1:] 

[1:]片是跳过第一个空th细胞。

Answer 2

不好（硬编码），但运行，因为你想。

def parse_options_data(table): 
    rows = table.findall(".//tr") 
    candidate = extractCells(rows[0], isHeader=True)[1:]                                    
    header = extractCells(rows[1], isHeader=True)[:3] + candidate 
    data = [extractCells(row, isHeader=False) for row in rows[2:]] 
    return pandas.DataFrame(data, columns=header)