使用cssselect獲取URL使用lxml

Question

我正在尋找一個網址&我想獲取特定的鏈接。
但存在多個表格。
如何使用lxml在一行或兩行代碼中處理它？

url = 'http://www.bnm.gov.my/index.php?ch=109&pg=294&mth=3&yr=2012&eId=box1' 

我想下載Excel進行
表2.1利率：銀行機構

我不知道如何當有存在於HTML表格和TDS和TRS數工作。

Answer 1

嗯，首先，該鏈接或表格行沒有唯一標識符，因此將無法通過cssselect獲取該標識符，如果您不知道URL的哪一部分或標題將是。

假設您要匹配節號2.1。查看該頁面，節號始終位於連續的第一個單元格中。一旦找到正確的單元格，就可以遍歷到它的第二個兄弟節點，它應該包含鏈接，然後從鏈接中獲取URL。

>>> import urllib2 
>>> from StringIO import StringIO 
>>> from lxml import etree 
>>> url = "http://www.bnm.gov.my/index.php?ch=109&pg=294&mth=3&yr=2012&eId=box1" 
>>> ufile = urllib2.urlopen(url) 
>>> root = etree.parse(ufile, etree.HTMLParser()) 
>>> for e in root.getiterator('tr'): 
...  fc = e[0]  # first child 
...  if fc.tag == 'td' and fc.text == '2.1': 
...   link = fc.getnext().getnext()[0] # first child of 2nd sibling 
...   print link.attrib["href"] 
... 
files/publication/msb/2012/3/xls/2.1.xls