Python lxml xpath - 返回所有标签而不是所选标签

Question

这是我的第一篇文章，所以 Hello World !

我正在 Python3 中使用“requests”和“lxml”编写一个小型网络爬虫。我已经制作了一个，这是不同网站的第二个项目。

我遇到了奇怪的结果 - xpath 方法返回所有标签，而不是选定的 DIV。更糟糕的是，输出会乘以“offer-detail”DIV 出现的次数。

Xpath 计数返回正确的 DIV 数量，我还制作了 page.content 转储到文件并手动检查，一切都是正确的。我已经使用 Chrome 的“Xpath helper”插件在网站上检查了 xpath - screenshot

抓取器输出 - http://pastebin.com/1bEdzXdJ(又长又乱)

但在我的第一个项目中，没有发生这样的情况，它仍然返回正确的输出。

抓取的网站地址:http://www.ibood.com/pl/pl/all-deals/

我非常感谢 move 高级用户的任何帮助:)

代码:

import requests
from fake_useragent import UserAgent
from lxml import html

ua = UserAgent()
header_data = {'User-Agent': ua.chrome}

website = 'http://www.ibood.com/pl/pl/all-deals/'

page = requests.get(website, headers=header_data)

document = html.fromstring(page.content)

# //div[@class="all-offers"]/div/div[@class="offer-wrap"]
# # /div[@class="offer-detail"]

deals = document.xpath('//div[@class="offer-detail"]')

count = document.xpath('count(//div[@class="offer-detail"])')

print('count: ' + str(count))

for deal in deals:
    print(deal.xpath('//text()'))

Answer 1

print(deal.xpath('.//text()'))

//表示从root开始获取所有后代

.// 表示从当前上下文节点('deal')获取所有后代

这将返回所有节点:

count: 4.0
['\n                                                    ', 'Przenośny głośnik Bluetooth UE MEGABOOM', '\n                            ', '\n                                ', 'Cena katalogowa ', '1.319,95 zł', 'Tylko', 'Dzisiaj', '579,95 zł', '                                ', '\n    ', '\n        ', '\n                    ', 'Przewidywany czas wysyłki dla tego produktu  to 13.01.2017', '\n            ', '\n    29,95 zł Dostawa', '                            ', '\n                            ', '\n                                ', '\n                                    ', '\n                                ', '\n                                                            ', '\n                            ', '\n                                                        ', '\n                            ', '\n                                                                    ', 'Wyprzedane!', '\n                                                            ', '\n                            ', '56%', 'zniżka', '\n                                               ']

更好的方法:

for deal in deals:
    print(deal.xpath('normalize-space(string())'))

输出:

count: 4.0
Przenośny głośnik Bluetooth UE MEGABOOM Cena katalogowa 1.319,95 złTylkoDzisiaj579,95 zł Przewidywany czas wysyłki dla tego produktu to 13.01.2017 29,95 zł Dostawa Wyprzedane! 56%zniżka
Ukośnica Metabo KGS 254 M Cena katalogowa 1.639,95 złTylkoDzisiaj1.024,95 zł Przewidywany czas wysyłki dla tego produktu to 17.01.2017 39,95 zł Dostawa 11:18:18 lub do wyprzedania zapasów! Kupuję! 38%zniżka
3 pary bokserek SuperDry Cena katalogowa 179,95 złTylkoDzisiaj114,95 zł Przewidywany czas wysyłki dla tego produktu to 17.01.2017 29,95 zł Dostawa 11:18:18 lub do wyprzedania zapasów! Kupuję! 36%zniżka
2 Ładowarki akumulatorów Philips MultiLife Cena katalogowa 124,95 złTylkoDzisiaj34,95 zł Przewidywany czas wysyłki dla tego produktu to 11.01.2017 29,95 zł Dostawa 11:18:18 lub do wyprzedania zapasów! Kupuję! 72%zniżka

normalize-space 函数返回带有标准化空格的参数字符串，方法是去除前导和尾随空格并将空格字符序列替换为单个空格。