5

我是 lxml 新手，对 python 很陌生，找不到以下解决方案：

我需要导入一些具有 3 列和未定义行数的表，从第 3 行开始。

当任何行的第二列为空时，该行被丢弃并且表的处理被中止。

以下代码可以很好地打印表的数据（但之后我无法重用数据）： 

from lxml.html import parse

def process_row(row):  
    for cell in row.xpath('./td'):  
        print cell.text_content()  
        yield cell.text_content()  

def process_table(table):  
    return [process_row(row) for row in table.xpath('./tr')]

doc = parse(url).getroot()  
tbl = doc.xpath("/html//table[2]")[0]  
data = process_table(tbl)

这只打印第一列:( 

for i in data:  
    print i.next()

以下只导入第三行，不导入后续 

tbl = doc.xpath("//body/table[2]//tr[position()>2]")[0]

任何人都知道一个奇特的解决方案，将第 3 行的所有数据放入 tbl 并将其复制到一个数组中，以便可以将其处理成一个不依赖 lxml 的模块？

提前感谢您的帮助，亚历克斯

4

2 回答 2

2

这是一个生成器：

def process_row(row):  
     for cell in row.xpath('./td'):  
         print cell.text_content()  
         yield cell.text_content()

您正在调用它，就好像您认为它返回一个列表一样。它没有。在某些情况下，它的行为类似于列表：

print [r for r in process_row(row)]

但这只是因为生成器和列表都向for循环公开了相同的接口。在只评估一次的上下文中使用它，例如：

return [process_row(row) for row in table.xpath('./tr')]

只需为 的每个新值调用一次生成器的新实例row，返回产生的第一个结果。

所以这是你的第一个问题。你的第二个是你期望的：

tbl = doc.xpath("//body/table[2]//tr[position()>2]")[0]

给你第三行和所有后续行，它只设置tbl到第三行。好吧，调用返回的xpath 是第三行和所有后续行。最后是[0]在搞砸你。

于 2009-10-16T21:04:38.943 回答
0

您需要使用循环来访问行的数据，如下所示：

for row in data:  
    for col in row:
        print col

像您一样调用 next() 一次只会访问第一项，这就是您看到一列的原因。

请注意，由于生成器的性质，您只能访问它们一次。如果您将调用更改process_row(row)为list(process_row(row))，则生成器将转换为可以重用的列表。

更新：如果您只需要第三行，请使用data[2:]

于 2009-10-16T12:29:58.913 回答