尝试从 HTML 中获取值但得到意外值

Question

我尝试从这个网站提取市盈率： https://www.ishares.com/uk/individual/en/products/251787/

我正在尝试使用我在许多网站上看到的from lxml import html 方法。

我使用tree = html.fromstring(requests.get(url))获取xpath

我使用两种不同的方法： [1]val1 = tree.xpath(xp) [2]val2 = tree.xpath(xp+'/text()')

这里是示例代码：

# global imports
import requests
from lxml import html

'''
function to get data given a url and xpath
'''
def aFunctionForHTML(url, xp):

    #get the data
    resp = requests.get(url)

    if resp.status_code != 200:
        # This means something went wrong.
        print(resp.status_code)
        return None

    # generate the html tree
    tree = html.fromstring(resp.content)

    # get the xpath value
    val1 = tree.xpath(xp)
    val2 = tree.xpath(xp+'/text()')
    val = (val1, val2)
    return val



# the code starts here.
if __name__ == "__main__":

    url = 'https://www.ishares.com/uk/individual/en/products/253741/?switchLocale=y&siteEntryPassthrough=true'
    xp = '//*[@id="fundamentalsAndRisk"]/div/div[7]/span[2]'

    z = aFunctionForHTML(url, xp)
    print(z)

得到的值在这个<span>里面。在这种情况下 10.91。

<span class="data">
10.91
</span>

响应产生结果（使用 2 种不同的方法）。 但是返回值（作为元组）是： ([<Element span at 0x1d0dce655e8>], ['\n21.79\n'])

如何获得 10.91？

Answer 1

aFunctionForHTML 函数返回一个元组，其中第一个元素是对实际 HTML 元素的引用，第二个值是包含该元素内容的列表。为了得到just来自z的文本，试试这个：

text = z[1][0].strip()
print(text)

将打印

"21.79"

这是更新后的市盈率。

或者，您可以更新 aFunctionForHTML 函数以仅返回元素的内容

return val2[0].strip()

然后只打印返回值（在本例中为z）