从 python 中的 xpath 条目获取文本时遇到问题

Question

我在网站

http://www.baseball- Reference.com/players/event_hr.cgi?id=bondsba01&t=b

并尝试从表中抓取数据。当我从一个条目中拉出 xpath 时，投手说 “Terry Mulholland”，我检索到了这个：

pitchers = site.xpath("/html/body/div[2]/div[2]/div[6]/table/tbody/tr/td[3]/table/tbody/tr[2]/td/a)

当我尝试在打印机中打印投手的 pitcher[0].text 时，我得到的是 [] 而不是 text，知道为什么吗？

Answer 1

问题是，原始源中不存在最后一个tbody。如果您通过某些浏览器获取该 xpath，请记住浏览器可以猜测并添加缺失的元素以使 html 有效。

删除最后一个 tbody 即可解决该问题。

In : import lxml.html as html

In : site = html.parse("http://www.baseball-reference.com/players/event_hr.cgi?id=bondsba01&t=b")

In : pitchers = site.xpath("/html/body/div[2]/div[2]/div[6]/table/tbody/tr/td[3]/table/tr[2]/td/a")

In : pitchers[0].text
Out: 'Terry Mulholland'

但我需要补充一点，您使用的 xpath 表达式非常脆弱。在某个方便的位置添加了一个 div，现在您的脚本已损坏。如果可能，尝试找到更好的引用，例如指向您预期位置的 id 或 class。