XPath选择不返回匹配

Question

这是一段HTML代码： -

source1 = ' 

    <tr> 
     <td bgcolor="#ffffff"><font face="Tahoma" size="2">Gemara</font></td> 
     <td bgcolor="#ffffff"><font face="Tahoma" size="2">Kiddushin</font></td> 
     <td bgcolor="#ffffff"><font face="Tahoma" size="2">Morning</font></td> 

     <td bgcolor="#ffffff"><font face="Tahoma" size="2">12-04-2104</font></td> 

     <td colspan=2 bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" size="2"> 
     <a href="#" onClick="listen('05-115-08-2104-12-04.mp3')"><img src="images/play_audio.gif" border="0"></a> 
     <a href="#" onClick="mydownload('05-115-08-2104-12-04.mp3')"><img src="images/download.gif" border="0"></a> 
     </td> 
     <!-- <td bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" size="2"> 

     <a href="http://mgr.uvault.com/yadavraham/media//05-115-08-2104-12-04.mp3">Download</a> 
     </td> 
     --> 
    </tr> 
' 

我能够从HTML解析的所有数据，只有Mp3的文件名解析不返回任何值

请参阅下面我的代码：

from lxml import html 
source2 = html.fromstring(str(source1)) 

Category = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][1]//text()') 
Book = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][2]//text()') 
Section = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][3]//text()') 
Date = source2.xpath('//tr[1]//td[@bgcolor="#ffffff"][4]//text()') 
Mp3filename = source2.xpath('//tr[1]//td[@colspan=2]//a[1]//@onClick') 
print Category, Book, Section, Date, Mp3filename 

Mp3filename变量返回NULL值。我的Xapth查询是否正确？

Answer 1

它看起来像lxml.html属性名转化为小写（在Python 2.7测试，从HTML的问题拷贝粘贴，没有变化）：

raw= '''<tr> 
            <td bgcolor="#ffffff"><font face="Tahoma" size="2">Gemara</font></td> 
            <td bgcolor="#ffffff"><font face="Tahoma" size="2">Kiddushin</font></td> 
            <td bgcolor="#ffffff"><font face="Tahoma" size="2">Morning</font></td> 

            <td bgcolor="#ffffff"><font face="Tahoma" size="2">12-04-2104</font></td> 

            <td colspan=2 bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" size="2"> 
            <a href="#" onClick="listen('05-115-08-2104-12-04.mp3')"><img src="images/play_audio.gif" border="0"></a> 
            <a href="#" onClick="mydownload('05-115-08-2104-12-04.mp3')"><img src="images/download.gif" border="0"></a> 
            </td> 
            <!-- <td bgcolor="#ffffff" nowrap="nowrap"><font face="Tahoma" Size="2"> 

            <a href="http://mgr.uvault.com/yadavraham/media//05-115-08-2104-12-04.mp3">Download</a> 
            </td> 
            --> 
            </tr>''' 

from lxml import html 
source2 = html.fromstring(raw) 

Mp3filename = source2.xpath('//tr[1]//td[@colspan=2]//a[1]') 
print html.tostring(Mp3filename[0]) 
# output : 
# <a href="#" onclick="listen('05-115-08-2104-12-04.mp3')"><img src="images/play_audio.gif" border="0"></a> 
#    ^notice that the attribute name changed to lower-case 

所以我建议使用较低试试case @onclick在您的XPath中：

Mp3filename = source2.xpath('//tr[1]//td[@colspan=2]//a[1]/@onclick') 

Answer 2

首先修复您的HTML，因此它是有效的xml。

你错过了最后<td>的<font>的结束标记。因此，XPath将不会在其下找到任何有效的xml。