解析 xml - 由节点关闭答案

【问题标题】：parsing xml - off by a node解析 xml - 由节点关闭
【发布时间】：2017-11-15 04:13:48
【问题描述】：

我正在尝试解析来自雅虎财务页面的值。我使用 Chrome 来检查感兴趣的元素（股票的当前价格）并在这个简单的脚本中使用 xpath：

from lxml import html
import requests

page = requests.get('https://finance.yahoo.com/quote/VNQ?p=VNQ')
tree = html.fromstring(page.content)

print tree.xpath('//*[@id="quote-header-info"]/div[3]/div[1]/div/span[1]/text()')

但是，我得到的是来自下一个 span 标签的文本值。我试图改变 Chrome 给我的 xpath 以获取以前的文本值，但没有成功。谁能告诉我哪里出错了？

【问题讨论】：

你确定所有这些硬编码的索引都是正确的吗？
发布预期结果
它们是从 Chrome 复制路径中剪切/粘贴的，并突出显示所需的文本。我不明白的两件事是为什么它给出了下一个跨度标签文本的 xpath 而不是突出显示的文本。其次，假设 Chrome 提供了不正确的 xpath，我该如何更改它以获得正确的 xpath（因为它非常接近）。
预期结果是当前价格，当然在市场时段内会不断变化，但如果您转到脚本中的页面，您会看到 36px 类型的数字。
如果有人能告诉我一个更好的方法来解析这个网页以获得这个（或另一个值），请告诉我正确的技术。

标签： xml xpath lxml

【解决方案1】：

如果这是您想要的价格，您可以从页面中更简单的位置获取。例如标题 html 标记包含它。通过一些字符串解析，您将获得正确的值。该值始终位于第一个空格之后。

from lxml import html
import requests

page = requests.get('https://finance.yahoo.com/quote/VNQ?p=VNQ')
tree = html.fromstring(page.content)

title = tree.xpath('//title/text()')[0]
value = title.split()[1]

print(value)

【讨论】：

谢谢。我刚刚尝试了您的脚本并得到：> python stack.py Traceback（最近一次调用最后一次）：文件>“stack.py”，第8行，在> value = int（title.split（）[1]） ValueError: int() 基数为 10 的无效文字：':' 我会再玩一些。
尝试不使用 Int()。刚刚更新了我回复中的代码。如果可行，请接受我的回答。
>>> from lxml import html >>> import requests >>> page = requests.get('finance.yahoo.com/quote/VNQ?p=VNQ') >>> tree = html.fromstring(page.content) >>> title = tree.xpath('//title/text()')[0] >>> value = title.split()[1] >>> print(value) :