如何在lxi元素内部访问ml？

Question

我正在尝试从一个网站上截取值。在

# get the raw HTML
fruitsWebsite = lxml.html.parse( "http://pagetoscrape.com/data.html" )

# get all divs with class fruit 
fruits = fruitsWebsite.xpath( '//div[@class="fruit"]' )

# Print the name of this fruit (obtained from an <em> in the fruit div)
for fruit in fruits:
    print fruit.xpath('//li[@class="fruit"]/em')[0].text

但是，Python解释器抱怨0是一个越界迭代器。这很有趣，因为我确信元素存在。用lxml访问inside <em>元素的正确方法是什么？在

Answer 1

以下代码适用于我的测试文件。在

#test.py
import lxml.html

# get the raw HTML
fruitsWebsite = lxml.html.parse('test.html')

# get all divs with class fruit 
fruits = fruitsWebsite.xpath('//div[@class="fruit"]')

# Print the name of this fruit (obtained from an <em> in the fruit div)
for fruit in fruits:
    #Use a relative path so we don't find ALL of the li/em elements several times. Note the .//
    for item in fruit.xpath('.//li[@class="fruit"]/em'):
        print(item.text)


#Alternatively
for item in fruit.xpath('//div[@class="fruit"]//li[@class="fruit"]/em'):
    print(item.text)

这是我用来再次测试的html文件。如果这对您再次测试的html不起作用，那么您需要发布一个示例文件，该文件失败了，正如我在上面的注释中所要求的那样。在

^{pr2}$

使用最初发布的代码，您肯定会得到太多的结果（内部循环将搜索整个树，而不是子树中的每个“水果”）。你所描述的错误没有多大意义，除非你的输入与我理解的不同。在