我使用lxml的解析HTML文件： from lxml import html
tree = html.parse(myfile)
data = tree.xpath('//p/text()')
我在我的HTML文件300個<p>text</p>標籤，但len(data)僅僅是250，因爲有時我會在我的HTML <p></p>。我希望這些被包含在data中，可以是'nan'或''。 有關
我想從一堆本地html文件抓取原始html。我從這個職位的一些幫助獲取原始文件閱讀： Get all text inside a tag lxml 但我的代碼目前生產的整個文件，而不是一個子集。現在我似乎錯過了一條線，我可以選擇一個我想抓取的xpath。 這裏是我目前擁有的代碼： def stringify_children(node):
from lxml.etree import t
import requests
from lxml import html
page = requests.get(url="http://www.cia.gov/library/publications/the-world-factbook/geos/ch.html")
tree = html.fromstring(page.content)
bordering = tree.xpa
我試圖根據HTML文檔中的前面的文本來識別給定的<table>元素。 我的當前方法是字符串化每個HTML表格元素和搜索該文件的文本內的文本索引： filing_text=request.urlopen(url).read()
#some text cleanup here to make lxml's output match the .read() content
ref_text = l