python ： 3.6

lxml ： 4.2.1

from lxml.html import etree

test_html = '''

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">

<html>

<body>

<table id="report1">

    <tr rn="1" >

        <td class="report1_1">1</td>

        <td class="report1_1">2<br>3<br>4</td>

    </tr>

    <tr rn="1" >

        <td class="report1_1">1.1</td>

        <td class="report1_1">2.1<br>3.1<br>4.1</td>

    </tr>

</table>

</body>

</html>

'''

if __name__ == '__main__':

    html = etree.HTML(test_html)

    tag1 = html.xpath('/html/body/table/tr/td[1]')

    tag2 =  html.xpath('/html/body/table/tr/td[2]')

    tag3 = html.xpath('/html/body/table/tr/td[2]/text()')

    print('tag1-[0]-->',tag1[0].text)

    print('tag2-[0]-->',tag2[0].text)

    print('tag2-[1]-->', tag2[1].text)

    print('tag3-->',tag3)

    b = [str(i) for i in tag3]

    str = ''.join(b)

    print('tag3-str-->',str)

    print('tag2-->',tag2)

    print('tag2[0]-string-->',tag2[0].xpath('string(.)'))

    print('tag2[1]-string-->',tag2[1].xpath('string(.)'))
tag1-[]-->

tag2-[]-->

tag2-[]--> 2.1

tag3--> ['', '', '', '2.1', '3.1', '4.1']

tag3-str--> 2342.13.14.1

tag2--> [<Element td at 0x18b9478aec8>, <Element td at 0x18b9478af88>]

tag2[]-string-->

tag2[]-string--> 2.13.14.1

代码在上面。

简单说一说：

requests配合xpath来抓网站数据的时候，不像selenium+xpath。

selenium有  find_element  find_elements，区别是带S ，查找第一个元素，和查找所有元素。

requests只有xpath，简单粗暴的直接查找所有元素。所以tag1，要带下标[0]来输出第一个对象，并且用.text来输出文字信息。

tag2，带下标[0]来输出第一个对象，并且用.text来输出文字信息。但是由于对象中有<br>标签，所以只能取得第一个<br>标签前面的数据。

tag3，我们在xpath规则中加入.text()规则，取得这个标签中的文字信息。由于有<br>标签，文字信息会因为<br>而分割称为列表。

我们可以自己重组列表，转为字符串：

b = [str(i) for i in tag3]
str = ''.join(b)
print('tag3-str-->',str)

或者不使用text()规则使用xpath('string(.)')：

print('tag2-->',tag2)
print('tag2[0]-string-->',tag2[0].xpath('string(.)'))
print('tag2[1]-string-->',tag2[1].xpath('string(.)'))

两种方式都可以正常获取td标签中带br标签的信息。

xpath & <tr><td><br>的更多相关文章

  1. XPath <第四篇>

    .Net框架下的System.Xml.XPath命名空间提供了一系列的类,允许你应用XPath数据模式查询和展示XML文档数据. 一.XPath介绍 XPath有七种类型的节点:元素.属性.文本.命名 ...

  2. EnjoyingSoft之Mule ESB开发教程第四篇：Mule Expression Language - MEL表达式

    目录 1. MEL的优势 2. MEL的使用场景 3. MEL的示例 4. MEL的上下文对象 5. MEL的Variable 6. MEL访问属性 7. MEL操作符 本篇主要介绍Mule表达式语言 ...

  3. 从0开始搭建SQL Server AlwaysOn 第四篇（配置异地机房节点）

    从0开始搭建SQL Server AlwaysOn 第四篇(配置异地机房节点) 第一篇http://www.cnblogs.com/lyhabc/p/4678330.html第二篇http://www ...

  4. 第四篇 Entity Framework Plus 之 Batch Operations

    用 Entity Framework  进行 增,删,改.都是基于Model进行的,且Model都是有状态追踪的.这样Entity Framework才能正常增,删,改. 有时候,要根据某个字段,批量 ...

  5. 【第四篇】ASP.NET MVC快速入门之完整示例（MVC5+EF6）

    目录 [第一篇]ASP.NET MVC快速入门之数据库操作(MVC5+EF6) [第二篇]ASP.NET MVC快速入门之数据注解(MVC5+EF6) [第三篇]ASP.NET MVC快速入门之安全策 ...

  6. 解剖SQLSERVER 第十四篇 Vardecimals 存储格式揭秘（译）

    解剖SQLSERVER 第十四篇    Vardecimals 存储格式揭秘(译) http://improve.dk/how-are-vardecimals-stored/ 在这篇文章,我将深入研究 ...

  7. 解剖SQLSERVER 第四篇 OrcaMDF里对dates类型数据的解析（译）

    解剖SQLSERVER 第四篇  OrcaMDF里对dates类型数据的解析(译) http://improve.dk/parsing-dates-in-orcamdf/ 在SQLSERVER里面有几 ...

  8. 深入理解javascript作用域系列第四篇——块作用域

    × 目录 [1]let [2]const [3]try 前面的话 尽管函数作用域是最常见的作用域单元,也是现行大多数javascript最普遍的设计方法,但其他类型的作用域单元也是存在的,并且通过使用 ...

  9. 前端工程师技能之photoshop巧用系列第四篇——图片格式

    × 目录 [1]图片格式 [2]保存设置 前面的话 对于前端来说,图片格式是需要重要掌握的知识.本文是photoshop巧用系列第四篇——图片格式 图片格式 目前在前端的开发中常用的图片格式有jpg. ...

  10. 第四篇 ：微信公众平台开发实战Java版之完成消息接受与相应以及消息的处理

    温馨提示: 这篇文章是依赖前几篇的文章的. 第一篇:微信公众平台开发实战之了解微信公众平台基础知识以及资料准备 第二篇 :微信公众平台开发实战之开启开发者模式,接入微信公众平台开发 第三篇 :微信公众 ...

随机推荐

  1. cocos2dx spine之一 ：spine缓存 (c++ & lua)

    cocos2dx版本为3.10 1.在使用spine的过程中,发现了一个比较严重的问题:每次创建SkeletonAnimation的时候都会很卡,即使是使用同一个骨骼数据skeletonData. 跟 ...

  2. HDU 3949 XOR

    3949 思路: 线性基,线性基的每个元素尽可能小 将k转换成二进制与排好序的线性基相对应 如果线性基的个数小于n,说明n个元素线性相关,所以可以构成0,k要减1 代码: #pragma GCC op ...

  3. Sublime Text 安装插件时出现There are no packages available for installation解决步骤

    1.点击 ctrl+`打开控制台后,发现是因为http://packagecontrol.io/channel_v3.json 获取失败,下载v3.json(在百度云盘) 2.找到Sublime\Da ...

  4. Learn Python3 the hard way 第一天总结 命令行(1)

    附录-命令行快速入门(1) command line interface 简称 CLI ,可以在mac OS 上通过一些输入进行一些操作. 1如何在迷路后怎样回家 命令: pwd:打印工作目录cd 更 ...

  5. 全站从http升级到https（WordPress博客）

    最近几年HTTPS取代HTTP已经成为大趋势,HTTP是超文本传输协议,信息是明文传输的,而HTTPS是安全超文本传输协议,需要证书和提供安全连接,换句话说,HTTPS是嵌套了SSL加密的HTTP连接 ...

  6. Django的缓存

    由于Django是动态网站,所有每次请求均会去数据进行相应的操作,当程序访问量大时,耗时必然会更加明显, 最简单解决方式是使用:缓存,缓存将一个某个views的返回值保存至内存或者memcache中, ...

  7. spring boot(十七)上传文件

    上传文件是互联网中常常应用的场景之一,最典型的情况就是上传头像等,今天就带着带着大家做一个Spring Boot上传文件的小案例. 1.pom包配置 我们使用Spring Boot最新版本1.5.9. ...

  8. img标签设置默认图片

    为了美观当网页图片不存在时不显示叉叉图片 当在页面显示的时候,万一图片被移动了位置或者丢失的话,将会在页面显示一个带X的图片,很是影响用户的体验.即使使用alt属性给出了”图片XX”的提示信息,也起不 ...

  9. json 常用的序列化 反序列化对象 代码

    序列化对象: ---------------------------------------------------------- Person p = new Person() { Name = & ...

  10. MySQL5.6复制技术(3)-MySQL主从复制线程状态转变

    一.主库线程状态(State)值 以下列表显示了主从复制中主服务器的Binlog Dump线程的State列中可能看到的最常见状态(SHOW PROCESSLIST).如果Binlog Dump线程在 ...