时间戳

首页 > 解决方案 > 如何在与 xpath 和 lxml 匹配的包含后找到 X 单元格的值

html - 如何在与 xpath 和 lxml 匹配的包含后找到 X 单元格的值

问题描述

我有一个包含多行的文档，该文档在第四个 TD 元素中有一个值，我不知道如何检索。标签中没有什么独特的，所以我必须根据单词 TOTAL 进行匹配，然后从现有行中的第 4 个 TD 获取我需要的值。这是一个用于说明的 TR：

<TR>
<TD ALIGN="right" COLSPAN="30" bgcolor=d8caca><div class=small4>SECTION TOTAL</div></TD>
<TD ALIGN="right" COLSPAN="8" bgcolor=d8caca> &nbsp; </TD>
<TD ALIGN="right" COLSPAN="13" bgcolor=gold><div class=small4>  11.907531</div> 
</TD>
<TD ALIGN="right" COLSPAN="13" bgcolor=gold><div class=small4>     $773.10</div></TD>
</TR>

我想匹配“TOTAL”这个词，然后在三个单元格之后得到这个值，或者在本例中为 773.10 美元。

这成功地收集了数组中的每个“TOTAL”文本，没有问题：

titles = tree.xpath("//tr/td[contains(., 'TOTAL')]//text()")

但是，我无法获取最后一个元素中的值。我尝试了以下搜索 TOTAL 的多种变体，然后尝试使用以下或以下兄弟无济于事：

totals = tree.xpath("//tr/td[contains(., 'TOTAL')]/../following::td[4]/div/text()")

...但是我要么从 TOTAL 之后的下一个 TD 中获得一个不可破坏空间的数组，要么根本没有数据，要么在扩展为文本时为空的“元素”引用。在包含匹配后，如何正确获取现有 TR 中 td[4] 内的值？

我试图让每一次出现，而不仅仅是一次，以便标题和总计数组是 1:1 匹配。如果有办法进行 key=>value 配对，那就更好了。

标签： htmlxpathhtml-parsinglxml

解决方案

您可以使用following-sibling轴在同一父级中包含文本“TOTAL”td之后定位td，然后进一步过滤结果以仅td使用 predicate获得最后一个[last()]，然后返回子级div/text()：

query = "//tr/td[contains(., 'TOTAL')]/following-sibling::td[last()]/div/text()"
titles = tree.xpath(query)

xpathtester 演示：http ://www.xpathtester.com/xpath/5cf0aa473d030da66de1bec73bcb8795

推荐阅读