如何在与 xpath 和 lxml 匹配的包含后找到 X 单元格的值

Posted 2023-02-24

【中文标题】如何在与 xpath 和 lxml 匹配的包含后找到 X 单元格的值

【英文标题】：How do I find the value of X cells after a matched contains with xpath and lxml

【发布时间】：2019-03-10 11:27:45

【问题描述】：

我有一个包含多行的文档，该文档在第四个 TD 元素中有一个值，我不知道如何检索。标签中没有什么独特的，所以我必须根据单词 TOTAL 进行匹配，然后从现有行中的第 4 个 TD 获取我需要的值。这是一个用于说明的 TR：

<TR>
<TD ALIGN="right" COLSPAN="30" bgcolor=d8caca><div class=small4>SECTION TOTAL</div></TD>
<TD ALIGN="right" COLSPAN="8" bgcolor=d8caca> &nbsp; </TD>
<TD ALIGN="right" COLSPAN="13" bgcolor=gold><div class=small4>  11.907531</div> 
</TD>
<TD ALIGN="right" COLSPAN="13" bgcolor=gold><div class=small4>     $773.10</div></TD>
</TR>

我想匹配单词“TOTAL”，然后在恰好三个单元格之后获取值，或者在本例中为 $773.10。

这成功地将每个“TOTAL”文本收集到一个数组中，没有问题：

titles = tree.xpath("//tr/td[contains(., 'TOTAL')]//text()")

但是，我无法获取最后一个元素中的值。我尝试了以下搜索 TOTAL 的多种变体，然后尝试使用 following 或 following-sibling 无济于事：

totals = tree.xpath("//tr/td[contains(., 'TOTAL')]/../following::td[4]/div/text()")

...但我要么从 TOTAL 之后的下一个 TD 中获得一个不可破坏空间的数组，要么根本没有数据，要么在扩展为文本时为空的“元素”引用。包含匹配后，如何正确获取现有 TR 中 td[4] 内的值？

我正在尝试获取每一次出现，而不仅仅是一次，以便标题和总计数组是 1:1 匹配。如果有办法进行 key=>value 配对那就更好了。

【参考方案1】：

您可以使用following-sibling 轴获取位于td 之后的td，在同一父级中包含文本“TOTAL”，然后使用谓词@ 进一步过滤结果以仅获取此类td 中的最后一个987654326@，然后返回子div/text()：

query = "//tr/td[contains(., 'TOTAL')]/following-sibling::td[last()]/div/text()"
titles = tree.xpath(query)

xpathtester 演示：http://www.xpathtester.com/xpath/5cf0aa473d030da66de1bec73bcb8795

【讨论】：

这行得通。我发誓我尝试了这种确切的方法但没有成功，所以我不确定当它不起作用时我做错了什么。谢谢。