从HTML表格解析结果

即时尝试匹配来自html输出的一些数据，但我不知道我能做些什么来执行它的权利。因此，使用下面的代码块IM中提取的访问和组信息的内容：从HTML表格解析结果

import requests 
import lxml.etree as LE 
import lxml.html as LH 

url = "http://theurl" 
r = requests.get(url,auth=('user', 'pass')) 
html = r.text 

root = LH.fromstring(html) 
LE.strip_tags(root, 'b') 
data_list = root.xpath("""//td[text()='grouplist'] 
          /following-sibling::*""")[0] 

accessList= data_list.xpath("""//td[text()='access'] 
           /following-sibling::*/text()""") 

groups = data_list.xpath("""//td[text()='groups'] 
           /following-sibling::*/text()""")

如果我打印accesslist中，我有我想要的数据：

print accessList 
['Administrators', 'group_a', 'group_b', 'group_c']

但是当我打印组，返回的结果将是：

print groups: 
['\n','\n','\n']

有了这样的信息，有什么事情才能做才能得到：

print groups 
['group_a', 'group_b', 'group_c']

在这里，你可以看到返回的HTML导致

<TABLE bgcolor="#dddddd" border="1" /> 
<TR> 
    <TD valign="top"><B>grouplist</B></TD> 
    <TD> 
     <TABLE /> 
<TR> 
    <TD> 
     <TABLE bgcolor="#dddddd" border="1" /> 
<TR> 
    <TD valign="top"><B>access</B></TD> 
    <TD>Administrators</TD> 
</TR> 
<TR> 
    <TD valign="top"><B>inUse</B></TD> 
    <TD>true</TD> 
</TR> 
<TR> 
    <TD valign="top"><B>groups</B></TD> 
    <TD> 
     <TABLE> 
     <TR> 
      <TD>group_a</TD> 
     </TR> 
     <TR> 
      <TD>group_b</TD> 
     </TR> 
     <TR> 
      <TD>group_c</TD> 
     </TR> 
     </TABLE> 
    </TD> 
</TR> 
<TR> 
    <TD valign="top"><B>deny</B></TD> 
    <TD> 
     <TABLE> 
     </TABLE> 
    </TD> 
</TR>

编辑：提前 html tester

感谢：HTML代码可以在这里进行测试。

来源

2013-01-12 Thales Pereira

什么是'LH'？什么是'LE'？请提供工作代码片段，而不是没有提供进一步细节的代码片段。 –

@CRUSADER，感谢您指出这一点。 le和lh是lxml.etree和lxml.html。现在添加在主要问题上。 –

groups = data_list.xpath("""//td[text()='groups'] 
           /following-sibling::td/table/tr/td/text()""")

，或者少一点而言，

groups = data_list.xpath("""//td[text()='groups'] 
           /following-sibling::*//td/text()""")

作品。如果过于具体你的目的，你可以改为定义groups这样：

groups = data_list.xpath("""//td[text()='groups'] 
           /following-sibling::*""")[0]

然后用text_content：

groups = groups.text_content().split()

不过，将在空白的文本内容可能不是很好，如果group_a， group_b和/或group_c被本身包含空格的文本替换。

来源

2013-01-12 11:29:20 unutbu

再次感谢unutbu。是的，这是特定的情况下，但我有很多其他的HTML结果适合该模式匹配。 –

从HTML表格解析结果

回答

相关问题