xpath对没有值的元素能否返回空而不是忽略

cdzjf

<tr class="">
                <td class="title">
                    
                    <a  title="9.29演出
" class="">
                       9.29演出

                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count "></td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>

-------------------------------------------------------------
<tr class="">
                <td class="title">
                    
                    <a  title="9.29演出
" class="">
                       9.29演出

                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count ">50</td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>





类似这样的html用xpath获取 /tr/td[@class="r-count "]/text()，但第一行为空，第二行可以正常取得50，能不能第一行没有数据获取留个空啊什么的，不要直接忽略
不然这样获得的列表长度就不固定了

YunGuo

如果标签之间有空格，可以尝试parsel模块：

from parsel import Selector

html = """
<tr class="">
                <td class="title">
                    <a  title="9.29演出" class="">
                       9.29演出
                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count "> </td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>
<tr class="">
                <td class="title">
                    <a  title="9.29演出" class="">
                       9.29演出
                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count ">50</td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>
"""
sel = Selector(html)
count = sel.xpath('//*[@class="r-count "]/text()').extract()
print(count)

如果标签之间没有空格，可以用尝试pyquery模块：

from pyquery import PyQuery as pq

html = """
<tr class="">
                <td class="title">
                    <a  title="9.29演出" class="">
                       9.29演出
                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count "></td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>
<tr class="">
                <td class="title">
                    <a  title="9.29演出" class="">
                       9.29演出
                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count ">50</td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>
"""
doc = pq(html)
count = doc('.r-count').items()
counts = []
for i in count:
    num = i.text()
    counts.append(num)
print(counts)

cdzjf

YunGuo 发表于 2020-11-13 01:16
如果标签之间有空格，可以尝试parsel模块：

xpath做不出来吗？

YunGuo

你非得要用xpath那也可以，可以用parsel + w3lib模块，利用remove_tags方法删除标签，可以得到包含空值的结果：

from parsel import Selector
from w3lib.html import remove_tags

html = """
<tr class="">
                <td class="title">
                    <a  title="9.29演出" class="">
                       9.29演出
                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count "></td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>
<tr class="">
                <td class="title">
                    <a  title="9.29演出" class="">
                       9.29演出
                    </a>
                </td>
                <td nowrap="nowrap">
                    <a  class="">meu</a>
                </td>
                <td nowrap="nowrap" class="r-count ">50</td>
                <td nowrap="nowrap" class="time">2018-09-07</td>
</tr>
"""
sel = Selector(html)
cou = list(map(remove_tags, sel.xpath('//*[@class="r-count "]').extract()))
print(cou)