Python-сообщество

Пытаюсь вытащить список наименований товара:
XPath скопирован из FireBug мозиллы

from urllib.request import urlopen
import lxml.html
url = 'http://www.pleer.ru/cifrovye-fotoapparaty~157.html'
page = urlopen(url).read()
doc = lxml.html.document_fromstring(page)
for article in doc.xpath('/html/body/div[2]/table/tbody/tr[2]/td[4]/table/tbody/tr/td[2]/div[2]/div/div/div/div/div/div[3]/table/tbody/tr/td/div[2]/p'):
    print(article)

Отредактировано asphix (Май 22, 2012 16:59:37)

Не знаю, что в вашем XPath не так, возможно tbody не нужен или еще что-то. Но вообще, путями которые выдал Firebug пользоваться нехорошо. Лучше самому анализировать структуру страницы на предмет id'ов и классов и писать XPath относительно их.

Если я правильно понял и вам нужен номер товара (точнее все номера):

'//div[@class="description"]/p[1]'

'//div[@class="description"]/p[3]'

Отредактировано reclosedev (Май 22, 2012 17:31:04)

reclosedev, не всегда есть, к чему привязаться, и не всегда оно стоит результата. При смене разметки все равно все с большой вероятности полетит к черту.

asilyator
не всегда есть, к чему привязаться, и не всегда оно стоит результата.

asilyator
При смене разметки все равно все с большой вероятности полетит к черту.

Абсолютно не факт, а вот потрахаться с ним придется больше (а там только скопипастить). За исключением, когда к обьекту явно идет обращение через js (например, json блок со своим уникальным ид).

в том и беда, что айдишников там нет

разобрался с XPath, но остался один вопросик:

есть выражение:

//tr[starts-with(@id, 'pr2cart_') and @class='product_row']/td/div[2][@class='description']/p[2]/span

<span title="3 единицы товара" style="color:red;font-weight:bold;">...</span>

отвечая на свой же вопрос:

string(//tr[starts-with(@id, 'pr2cart_') and @class='product_row']/td/div[2][@class='description']/p[2]/span/@title)

Еще есть вариант воспользоваться методом элементов get(name, default=None) для получения любого атрибута:

el = doc.xpath('//div[@class="description"]/p[2]/span')
print el.get('title')

интересный вариант, спасибо!