Python的硒刮不一致场

我从一个网站刮的一些数据，有时他们显示milage，其他时间就是在车辆描述这里显示MPG的是我使用XPath和要到HTMLPython的硒刮不一致场

仅仅是为了

这里走的是有关部分：

def init_driver(): 
    options = webdriver.ChromeOptions() 
    options.binary_location = '/usr/bin/google-chrome-stable' 
    options.add_argument('headless') 
    options.add_argument('window-size=1200x600') 
    driver = webdriver.Chrome(chrome_options=options) 
    driver.wait = WebDriverWait(driver, 5) 
    return driver 


def scrape(driver): 

    #Tymm = year make model All three attributes are in the Header, Parse and separate before insterting to SQL 
    ymm_element = driver.find_elements_by_xpath('//*[@id="compareForm"]/div/div/ul/li/div/div/h3') 
    engine_element = driver.find_elements_by_xpath('//*[@id="compareForm"]/div/div/ul/li/div/div/div[3]/dl[1]/dd[1]') 
    trans_element = driver.find_elements_by_xpath('//*[@id="compareForm"]/div/div/ul/li/div/div/div[3]/dl[1]/dd[2]') 
    milage_element = driver.find_elements_by_xpath('//*[@id="compareForm"]/div/div/ul/li/div/div/div[3]/dl[1]/dd[3]')

因为该元素的顺序并不是所有的车辆一样，我需要写它，所以它可以检索的头衔，我希望后面的文本。

这里是从元件检查，对铬HTML复制后的HTML：

<div class="description"> 
    <dl> <dt>Engine:</dt> <dd>2.5L I-5 cyl<span class="separator">,</span> 
    </dd> <dt>Transmission:</dt> <dd>Manual<span class="separator">,</span></dd> <dt>Mileage:</dt> <dd>37,171 miles<span class="separator">,</span></dd> <dt>MPG Range:</dt> <dd>22/31<span class="separator">,</span></dd></dl><dl class="last"> <dt>Exterior Color:</dt> <dd>Reflex Silver Metallic<span class="separator">,</span></dd> <dt>Interior Color:</dt> <dd>Titan Black<span class="separator">,</span></dd> <dt>Stock #:</dt> <dd>P3229</dd></dl> <span class="ddc-more">More<span class="hellip">…</span></span> 
<div class="calloutDetails"> 
<ul class="list-unstyled"> 
<li class="certified" style="margin-bottom: 10px;"><div class="badge "><img class="align-center" src="https://static.dealer.com/v8/global/images/franchise/white/en_US/logo-certified-volkswagen.gif?r=1356028132000" alt="Certified"></div></li><li class="carfax" style="margin-bottom: 10px;"><a href="http://www.carfax.com/cfm/ccc_displayhistoryrpt.cfm?partner=DLR_3&amp;vin=3VWHX7AT1EM600723" class="badge carfax-one-owner pointer" target="_blank"><img class="align-center" src="https://static.dealer.com/v8/global/images/franchise/white/logo-certified-carfax-one-owner-lrg.png?r=1405027620000" alt="Carfax One Owner"></a></li> 
</ul> 
</div> 
<div class="hproductDynamicArea"></div> 
</div>

基本上我需要编号的XPath的标题后要搜索的文字。

我一年的品牌和型号都在同一个元素“标签，你能指出我在正确的方向或建议库驳头

来源

2017-06-20 eleazar olivera

首先，使用XPath可以使用包含，像这样：

driver.find_elements_by_xpath('//dt[contains(text(),'Engine')]')

它看起来更清洁，更容易使用和更强大的

二，阅读下面的XPath，兄弟姐妹，前同辈，父母和祖先它会帮助你建立整齐的XPath定位：。

driver.find_elements_by_xpath('//dt[contains(text(),'Engine:')]/following-sibling::dd') 
driver.find_elements_by_xpath('//dt[contains(text(),'Transmission:')]/following-sibling::dd') 
driver.find_elements_by_xpath('//dt[contains(text(),'Mileage:')]/following-sibling::dd')

以上的XPath将工作无论哪个命令你的HTML元素都位于。

来源

2017-06-20 17:52:49 sen4ik

谢谢你，我会这么做，我只好换到双引号，但它的工作原理就像一个魅力。我也会逐一循环每辆车，以避免出现差异。 –

对不起，你再次通过Web元素循环浏览：def scrape（driver）： cars = driver.find_elements_by_xpath（'// div [@ class =“description”]'）汽车中的汽车： milestone = car.find_element_by_xpath（“// dt [contains（text（）（））包含（text（），'Engine'）]/following-sibling :: dd”） mileage = car.find_element_by_xpath ，'Mileage'）]/following-sibling :: dd“） print（mileage.text，engine.text） –

def scrape（driver）： cars = driver.find_elements_by_xpath（'// div [@ class =”描述“]'）汽车中的汽车： engine = car.find_element_by_xpath（”// dt [contains（text（），'Engine'）]/following-sibling :: dd“） mileage = car.find_element_by_xpath（“// dt [contains（text（），'Mileage'）]/following-sibling :: dd”） print（mileage.text，engine.text） –

Python的硒刮不一致场

回答

相关问题