有一个相当通用的模式可以用来解析许多
所有的,桌子。import lxml.html as LH
import requests
import pandas as pd
def text(elt):
return elt.text_content().replace(u’\xa0′, u’ ‘)
url = ‘http://www.fdmbenzinpriser.dk/searchprices/5/’
r = requests.get(url)
root = LH.fromstring(r.content)
for table in root.xpath(‘//table[@id=”sortabletable”]’):
header = [text(th) for th in table.xpath(‘//th’)] # 1
data = [[text(td) for td in tr.xpath(‘td’)]
for tr in table.xpath(‘//tr’)] # 2
data = [row for row in data if len(row)==len(header)] # 3
data = pd.DataFrame(data, columns=header) # 4
print(data)可以使用table.xpath(‘//th’)查找列名。
table.xpath(‘//tr’)返回行,对于每一行,tr.xpath(‘td’)
返回表示表的一个”单元格”的元素。
有时可能需要筛选出某些行,例如在本例中,行
值小于头。
如何处理数据(列表列表)取决于您。在这里,我只用熊猫做演示:Pris Adresse Tidspunkt
0 8.04 Brovejen 18 5500 Middelfart 3 min 38 sek
1 7.88 Hovedvejen 11 5500 Middelfart 4 min 52 sek
2 7.88 Assensvej 105 5500 Middelfart 5 min 56 sek
3 8.23 Ejby Industrivej 111 2600 Glostrup 6 min 28 sek
4 8.15 Park Alle 125 2605 Brøndby 25 min 21 sek
5 8.09 Sletvej 36 8310 Tranbjerg J 25 min 34 sek
6 8.24 Vindinggård Center 29 7100 Vejle 27 min 6 sek
7 7.99 * Søndergade 116 8620 Kjellerup 31 min 27 sek
8 7.99 * Gertrud Rasks Vej 1 9210 Aalborg SØ 31 min 27 sek
9 7.99 * Sorøvej 13 4200 Slagelse 31 min 27 sek
Original: https://blog.csdn.net/weixin_31560425/article/details/113969767
Author: 设计师猫姐
Title: python使用xpath提取数据_Python:通过xpath获取html表数据
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/743212/
转载文章受原作者版权保护。转载请注明原作者出处!