0

编辑：我提供了我用来试图找出这个问题的确切源代码。

我正在尝试使用 Python 2.7 和 lxml 从 Yahoo Finance 中提取有关“总资产”的数据。我试图从中提取此信息的页面示例是http://finance.yahoo.com/q/bs?s=FAST+Balance+Sheet&annual。

我已经成功地从 Smartmoney 中提取了“总资产”的数据。我能够解析的 Smartmoney 页面的一个示例是http://www.smartmoney.com/quote/FAST/?story=financials&timewindow=1&opt=YB&isFinprint=1&framework.view=smi_emptyView。

这是我为解决此问题而设置的特殊测试脚本：

    import urllib
    import lxml
    import lxml.html 

    url_local1 = "http://www.smartmoney.com/quote/FAST/?story=financials&timewindow=1&opt=YB&isFinprint=1&framework.view=smi_emptyView" 
    result1 = urllib.urlopen(url_local1)
    element_html1 = result1.read()
    doc1 = lxml.html.document_fromstring (element_html1)
    list_row1 = doc1.xpath(u'.//th[div[text()="Total Assets"]]/following-sibling::td/text()')
    print list_row1

    url_local2 = "http://finance.yahoo.com/q/bs?s=FAST" 
    result2 = urllib.urlopen(url_local2)
    element_html2 = result2.read()
    doc2 = lxml.html.document_fromstring (element_html2)
    list_row2 = doc2.xpath(u'.//td[strong[text()="Total Assets"]]/following-sibling::td/strong/text()')
    print list_row2

我可以从 Smartmoney 页面获取有关总资产的数据行，但是当我尝试解析 Yahoo Finance 页面时，我得到的只是一个空列表。

Smartmoney页面表格行源代码为：

    <tr class="odd bold">
<th><div style='font-weight:bold'>Total Assets</div></th>
<td>  1,684,948</td>
<td>  1,468,283</td>                                
<td>  1,327,358</td>                                
<td>  1,304,149</td>                                    
<td>  1,163,061</td>
    </tr>

雅虎页面表格行源代码为：

    <tr>
<td colspan="2"><strong>Total Assets</strong></td>
<td align="right"><strong>1,684,948&nbsp;&nbsp;</strong></td>
<td align="right"><strong>1,468,283&nbsp;&nbsp;</strong></td>
<td align="right"><strong>1,327,358&nbsp;&nbsp;</strong></td>
    </tr>
4

1 回答 1

0

包含语法错误，应该td/strong/text()在最后，加上你有一个尾随]. 我会说正确的查询是：

xpath('//td[strong[text()="Total Assets"]]/following-sibling::td/strong/text()')

结果：

>>> tree.xpath('//td[strong[text()="Total Assets"]]/following-sibling::td/strong/text()')
[u'1,684,948\xa0\xa0', u'1,468,283\xa0\xa0', u'1,327,358\xa0\xa0']

在原始页面中，“总资产”<strong>容器具有空格和换行符。对结果使用附加normalize-space函数，text()如下所示：

xpath('//td[strong[normalize-space(text())="Total Assets"]]/following-sibling::td/strong/text()')
于 2012-12-02T07:21:53.207 回答