从HTML选项卡获取href链接的策略

Question

我的web scraper搜索返回不同数量的表行，我不习惯处理表。这些表各有3列。我检查一下第一栏的街道号码是否正确。如果是的话，那么我需要从该行的第三列中获取链接。有什么想法吗？我的代码显然不起作用，但应该给出一个想法，我试图做什么。我的代码目前不逐行处理数据，只处理td-by-td。你知道吗

我的理想代码是什么样的：

1. 抓取第一个表行

2. 检查第一列中的街道#是否匹配

3. 如果#匹配，请抓取第三列中的链接

4. 如果#不匹配，请检查下一个表格行

我对编程还是非常陌生的，所以我的代码仍然是笨拙的简单化（但是写得很糟糕）的。你知道吗

有问题的HTML

<tr>
  <td class="transactionTableBodyText">5250 S RAINBOW BLVD 1001  </td>
  <td class="transactionTableBodyText" align="center">SPRING VALLEY</td>
  <td class="transactionTableBodyText" align="center">
    <a id="DataGrid1__ctl3_HyperLink2" href="http://Sandgate.co.clark.nv.us/AssrRealProp/ParcelDetail.aspx?hdnParcel=16326214001&amp;hdnInstance=pcl7" target="_self">163-26-214-001</a>
  </td>
</tr>

我的吸血鬼密码。你知道吗

td = driver.find_elements_by_css_selector("td.transactionTableBodyText")
    i = 0
    while i <= len(td):
        try:
            if StrtNum in td[i].text:
                print("We matched %s!" % (StrtNum))

                #This is the incorrect part where I try to get to the 'a' selector in the 3rd column from the correctly identified 1st column.
                ParcelLink = td[i+2].driver.find_elements_by_css_selector('a').get_attribute('href')
                print(ParcelLink)
            else:
                return
        except:
            break
        i+=1

Answer 1

另一个弓弦：lxml。它使您能够访问xpath表达式，从而简化导航HTML的工作。你知道吗

>>> from lxml import etree
>>> parser = etree.HTMLParser()
>>> tree = etree.fromstring(open('sample.htm').read(), parser)
>>> for td in tree.xpath('.//table/tr/td[@class="transactionTableBodyText"][1]'):
...     if td.text.startswith('5250'):
...         tr = td.getparent()
...         td_3_link = tr.xpath('./td[3]/a')
...         link = td_3_link[0].attrib['href']
... 
>>> link
'http://Sandgate.co.clark.nv.us/AssrRealProp/ParcelDetail.aspx?hdnParcel=16326214001&hdnInstance=pcl7'

如您所见，我使用了REPL环境，这样我就可以尝试各种方法，同时尝试收敛到一些工作良好且看起来相当健壮的方法。你知道吗

差点忘了，这是我正在解析的HTML。你知道吗

<table>
    <tr>
      <td class="transactionTableBodyText">1000 S RAINBOW BLVD 1001  </td>
      <td class="transactionTableBodyText" align="center">SPRING VALLEY</td>
      <td class="transactionTableBodyText" align="center">
        <a id="DataGrid1__ctl3_HyperLink2" href="http://Sandgate.co.clark.nv.us/AssrRealProp/ParcelDetail.aspx?hdnParcel=16326214001&amp;hdnInstance=pcl7" target="_self">163-26-214-001</a>
      </td>
    </tr>
    <tr>
      <td class="transactionTableBodyText">5250 S RAINBOW BLVD 1001  </td>
      <td class="transactionTableBodyText" align="center">SPRING VALLEY</td>
      <td class="transactionTableBodyText" align="center">
        <a id="DataGrid1__ctl3_HyperLink2" href="http://Sandgate.co.clark.nv.us/AssrRealProp/ParcelDetail.aspx?hdnParcel=16326214001&amp;hdnInstance=pcl7" target="_self">163-26-214-001</a>
      </td>
    </tr>
    <tr>
      <td class="transactionTableBodyText">2000 S RAINBOW BLVD 1001  </td>
      <td class="transactionTableBodyText" align="center">SPRING VALLEY</td>
      <td class="transactionTableBodyText" align="center">
        <a id="DataGrid1__ctl3_HyperLink2" href="http://Sandgate.co.clark.nv.us/AssrRealProp/ParcelDetail.aspx?hdnParcel=16326214001&amp;hdnInstance=pcl7" target="_self">163-26-214-001</a>
      </td>
    </tr>
    <tr>
      <td class="transactionTableBodyText">2000 S RAINBOW BLVD 1001  </td>
      <td class="transactionTableBodyText" align="center">SPRING VALLEY</td>
      <td class="transactionTableBodyText" align="center">
        <a id="DataGrid1__ctl3_HyperLink2" href="http://Sandgate.co.clark.nv.us/AssrRealProp/ParcelDetail.aspx?hdnParcel=16326214001&amp;hdnInstance=pcl7" target="_self">163-26-214-001</a>
      </td>
    </tr>
</table>'''