作者godman362 (卯)
看板Python
標題[問題] lxml parse html
時間Fri Sep 27 17:08:22 2013
小弟目前想用lxml parse html的資料，不過卡在一個地方解不出來
下面一段是我想解的html，我要把下面的tag <p>的字串分別解出來
卡的點在Author之後，tag <strong>的部份我可以取得，但是後面就抓不出來了
不知道是哪邊處理出錯，還請各位先進指點一下
<div class="bookinfo">
<h2>C Language Teaching Manual 4th Edition (Traditional Chinese Edition)</h2>
<p><strong>ISBN-13:</strong> <a href="/isbn/9789574424849">9789574424849</a></p>
<p><strong>ISBN-10:</strong> <a href="/isbn/9574424847">9574424847</a></p>
<p><strong>Author:</strong> HongWeiEn</p>
<p><strong>Binding:</strong> Paperback</p>
<p><strong>Publisher:</strong> QiBiaoChuBanGuFenYouXianGongSi</p>
<p><strong>Published:</strong> December 2007</p>
</div>
以下是程式碼的部份：
#ISBN-13, ISBN-10, Author, Binding, Publisher, Published
book_info = inforoot[0].xpath('p')
for info in book_info:
print info.xpath('strong')[0].text
if info.xpath('a'):
print info.xpath('a')[0].text
else :
print info[0].text
--
要
感謝的人太多了，那就
謝天吧
要
改得程式碼太多了，那就
改天吧
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.134.71.154
→ kilfu0701:''.join(info.xpath('./text()')) 最後一行換這樣 (?) 09/27 17:31
→ godman362:欸...可以欸，只是為什麼直接text會是tag <strong>的值 09/27 18:05
→ godman362:根據K大的解法，這樣做跟我直接取text應該會一樣啊... 09/27 18:05
→ godman362:我不是很清楚原因欸，不知道可否煩請K大解釋一下 09/27 18:06
→ kilfu0701:.text Text before the first subelement. 09/27 18:22
→ kilfu0701:所以你這個形況 就會抓不到東西 09/27 18:23
→ godman362:原來如此，這樣我懂了，感謝K大 <(__ __)> 09/27 19:11
→ mail6543210:要抓後面的可以用tail 09/28 17:14
→ godman362:請教M大，tail的用法是指：info.tail嗎？ 09/30 08:10
→ godman362:因為我剛剛這樣一試是針對Author開始後面就都是空白的 09/30 08:10
→ godman362:還是我再查一下tail的用法好了，可能是我用錯了 09/30 08:10
→ godman362:看來是我用錯了，是info[0].tail這樣才對 09/30 08:16
→ godman362:感謝M大提供的另一種解法 09/30 08:16