python、lxml 和 xpath - html 表解析

我对 lxml 很陌生，对 python 也很陌生，找不到以下问题的解决方案：

我需要导入一些包含 3 列和从第 3 行开始的未定义行数的表。

当任何行的第二列为空时，该行将被丢弃，并且表的处理将中止。

以下代码可以很好地打印表的数据（但之后我无法重用这些数据）：

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)  

这仅打印第一列:(

for i in data:  
    print i.next()

以下仅导入第三行，而不导入后续行

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 并将其复制到数组中，以便可以将其处理到没有 lxml 依赖项的模块中？

预先感谢您的帮助，亚历克斯

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() 

您调用它就好像您认为它返回一个列表一样。事实并非如此。在某些情况下，它behaves就像一个列表：

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。在仅评估一次的上下文中使用它，例如：

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

只需为每个新值调用一次生成器的新实例row，返回第一个结果。

所以这是你的第一个问题。你的第二个是你所期望的：

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

给你第三行和所有后续行，这只是设置tbl到第三排。好吧，打电话给xpath is返回第三行和所有后续行。这是[0]最后那会让你陷入困境。