返回空白列表

Question

请在这里提供一点帮助。这仅供参考。我正在使用 lxml.html 库中的 xpath 方法抓取该站点，以返回包含我需要的元素。我是一个初学者，所以在做了一些研究后，我发现使用 .join、re.、split 等。我可以转换成可读的字符串（我的目标是将所有变量转换成 csv 或 excel）。

所以我的问题是字符串变量 saledate1 和 saleprice1 打印没有问题，但 saledate2 和 saleprice2 没有问题。这里有什么问题我不明白。

这是 HTML 代码：

 <TD Align="center" >
             <SPAN CLASS = "BodyCopyBold9">
              10/10/2012
              &nbsp;
             </SPAN>
            </TD>
            <TD Align="center" >
             <SPAN CLASS = "BodyCopyBold9">
              SWD-T
              &nbsp;
             </SPAN>
            </TD>
            <TD Align="center" >
             <SPAN CLASS = "BodyCopyBold9">
              $100
             </SPAN>
             &nbsp;
            </TD>
            
             <TD Align="center">
              <A HREF = "https://officialrecords.broward.org/AcclaimWeb/Details/GetDocumentbyBookPage/O/49164/308">
               <SPAN CLASS = "BlueBodyCopyBold9">
                49164&nbsp;/&nbsp;308
               </SPAN>
              </A>
             </TD>
            
           </TR>
          
            <TD Align="center" >
             <SPAN CLASS = "BodyCopyBold9">
              10/12/2012
              &nbsp;
             </SPAN>
            </TD>
            <TD Align="center" >
             <SPAN CLASS = "BodyCopyBold9">
              SWD-D
              &nbsp;
             </SPAN>
            </TD>
            <TD Align="center" >
             <SPAN CLASS = "BodyCopyBold9">
              $400,000
             </SPAN>
             &nbsp;
            </TD>

这里是 Python 代码：

import lxml.html
import re
import requests

data = requests.get("https://bcpa.net/RecInfo.asp?URL_Folio=504201170140").content
htmlelement = lxml.html.fromstring(data)

#Sale Date & Price - Row1 - WORKS
saledate1element = htmlelement.xpath("/html/body/table[2]/tr/td/table/tr[1]/td[1]/table[9]/tr/td[1]/table/tr[3]/td[1]/span/text()")
saleprice1element = htmlelement.xpath("/html/body/table[2]/tr/td/table/tr[1]/td[1]/table[9]/tr/td[1]/table/tr[3]/td[3]/span/text()")
saledate1string = ' '.join(map(str, saledate1element))
saledate1 = " ".join(re.split("\s+", saledate1string , flags=re.UNICODE)).strip()
saleprice1string = ' '.join(map(str, saleprice1element))
saleprice1 = " ".join(re.split("\s+", saleprice1string , flags=re.UNICODE)).strip()
print(saledate1)
print(saleprice1)

#Sale Date & Price - Row2 - DOESNT WORK - Empty?
saledate2element = htmlelement.xpath("/html/body/table[2]/tr/td/table/tr[1]/td[1]/table[9]/tr/td[1]/table/tr[4]/td[1]/span/text()")
saleprice2element = htmlelement.xpath("/html/body/table[2]/tr/td/table/tr[1]/td[1]/table[9]/tr/td[1]/table/tr[4]/td[3]/span/text()")
saledate2string = ' '.join(map(str, saledate2element))
saledate2 = " ".join(re.split("\s+", saledate2string , flags=re.UNICODE)).strip()
saleprice2string = ' '.join(map(str, saleprice2element))
saleprice2 = " ".join(re.split("\s+", saleprice2string , flags=re.UNICODE)).strip()
print(saledate2)
print(saleprice2)

结果：

C:\Users\me\PycharmProjects\scrape\venv\Scripts\python.exe C:/Users/me/PycharmProjects/scrape/test.py
10/10/2012
$100

仅供参考，我不得不从 Xpath 中删除 /tbody。似乎浏览器在 Xpath 中填充了这些数据，即使它不在源代码中（我在某处读过这个，不确定这是否 100% 准确，但它有效）。

我们将不胜感激任何能引导我走向正确方向的帮助或信息。谢谢！

最好的，

新手

Answer 1

因为有 joined 空列表，所以输出为空字符串，导致空字符串：saledate2element 和 saleprice2element 都是空的。您需要使用 lxml.html 方法沿着您正在使用的路径向下工作，以找出它与您认为加载的结构中的不匹配的地方。