python表中的一些列，但不是所有列
python表中的一些列，但不是所有列
提问于 2016-01-04 23:33:41
不幸的是，我是XPath的初学者，并不完全确定ir是如何工作的。对于我的一个项目，我正在寻找一种解析9列表的5列的方法。以下是我到目前为止所做的工作：
url="".join(["http://www.basketball-reference.com/leagues/NBA_2011_games.html"])
#getting the columns 4-7
page=requests.get(url)
tree=html.fromstring(page.content)
# the //text() is because some of the entries are inside <a></a>s
data = tree.xpath('//table[@id="games"]/tbody/tr/td[position()>3 and position()<8]//text()')因此，我的解决办法是，只需要得到另一个列表，它只得到第一列，然后在额外的步骤中将两者结合起来，这似乎是没有必要的。
到目前为止我尝试过的XPath
//table[@id="games"]/tbody/tr/td[position() = 1]/text() | //table[@id="games"]/tbody/tr/td[position()>3 and position()<8]//text()这在某种程度上不包括第一列(日期)。(根据w3schools)，\x是连接两个XPath语句的操作符。
这是我现在的完整代码。从现在起，这些数据将被放入两个列表中。
希望我没有做太愚蠢的事，谢谢你的帮助。
from lxml import html
import requests
url="".join(["http://www.basketball-reference.com/leagues/NBA_1952_games.html"])
page=requests.get(url)
tree=html.fromstring(page.content)
reg_data = tree.xpath('//table[@id="games"]/tbody/tr/td[position() = 1]/text() | //table[@id="games"]/tbody/tr/td[position()>3 and position()<8]//text()')
po_data = tree.xpath('//table[@id="games_playoffs"]/tbody/tr/td[position() = 1]/text() | //table[@id="games_playoffs"]/tbody/tr/td[position()>3 and position()<8]//text()')
n=int(len(reg_data)/5)
if int(year) == 2016:
for i in range(0,len(reg_data)):
if len(reg_data[i])>3 and len(reg_data[i+1])>3:
n = int((i)/5)
break
games=[]
for i in range(0,n):
games.append([])
for j in range(0,5):
games[i].append(reg_data[5*i+j])
po_games=[]
m=int(len(po_data)/5)
if year != 2016:
for i in range(0,m):
po_games.append([])
for j in range(0,5):
po_games[i].append(po_data[5*i+j])
print(games)
print(po_games)回答 1
Stack Overflow用户
回答已采纳
发布于 2016-01-04 23:55:16
看起来，很多数据都封装在链接(a)标记中，所以当您询问文本节点子节点时，您不会发现任何数据，因为您需要更深一层。
而不是
/text()做
//text()这两个斜杠意味着选择text()节点，这些节点是任何级别上的附件。
还可以将整个表达式组合为
//table[@id="games"]/tbody/tr/td[position() = 1 or (position()>3 and position()<8)]//text()而不是有两个表情。
我们甚至可以进一步缩短到
//table[@id="games"]//td[position() = 1 or (position()>3 and position()<8)]//text()但是这个表达式有风险，因为它将获取表中任何位置出现的td元素(条件是它们是第1、4、5、6或7列)，而不仅仅是在正文中的行。然而，在你的目标中，这是可行的。
还要注意的是，像[position()=1]这样的表达式是不必要的。你可以把它缩短到[1]。您只需要在需要上下文节点以外的节点的位置时才需要位置函数，或者需要编写更复杂的选择，就像我们需要一个以上的特定索引时一样。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/34601796
复制相关文章
相似问题
腾讯云开发者
