文章/答案/技术大牛

发布

问抓取HTML文件
EN

Stack Overflow用户

提问于 2015-06-01 20:23:28

回答 1查看 162关注 0票数 0

我正在尝试从网页中抓取一个日期，它对应于最新的上传日期。html文件如下所示：

<!DOCTYPE HTML >
<html>
 <head>
  <title>some_text_here</title>
 </head>
 <body>
<pre>
<img src=".." alt=".." ..> <a href="some_link"> 27-May-2015 02:13   25K
<img src=".." alt=".." ..> <a href="some_link"> 25-May-2015 05:13   26K
<img src=".." alt=".." ..> <a href="some_link"> 20-May-2015 00:13   20K
</pre>
</body>
</html>

如你所见，日期“27-5-2015”没有任何标签。在这种情况下如何使用xpath：

page=request.get("link_to_the_page")
tree=html.fromstring(page.text)
date=tree.xpath('//tag_name/????')

我发现标识它的格式类似于上面的格式，但是这里的标记名是什么呢？

html

xpath

lxml

回答 1

Stack Overflow用户

发布于 2015-06-01 20:29:52

试试这个：

date=tree.xpath('/html/body/pre/a')

或者更多的不足：

date=tree.xpath('//a')

如果<a>有一些特定的CSS类，你可以在上面选择，那就太好了。例如<a href="some_link" class="date"> 27-May-2015 02:13 25K</a>

然后你可以使用：

date=tree.xpath('/html/body/pre/a[@class="date"]')

或者更多的不足：

date=tree.xpath('//a[@class="date"]')

票数 2

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/30573422

复制

相似问题

问抓取HTML文件
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问抓取HTML文件EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问抓取HTML文件
EN