quisiera saber cómo puedo agregar una condición a xpath, mi código es el de abajo. Al correrlo hay veces que no me arroja el resultado de el número de plantas ('plantas') ya que algún anuncio no tiene un valor en 'terreno'. Por eso quiero agregar la condición de que si no existe valor en terreno que aún asi me ponga el dato de plantas O que si existe un dato en plantas me lo ponga. Y también me sucede lo mismo pero con la variable 'Fecha de Publicación'
from lxml import html
import requests
import xlsxwriter
# Crear archivo de excel y un worksheet --> SE DEBE CAMBIAR EL NOMBRE CADA VEZ QUE HAGAS UNA NUEVA BASE DE DATOS
workbook=xlsxwriter.Workbook('Venta Casas.xlsx')
worksheet = workbook.add_worksheet()
# Para tener formato bold cuando se pida
bold = workbook.add_format({'bold': 1})
# Crear los títulos de cada columna
worksheet.write('A1', 'Plantas', bold)
worksheet.write('B1', 'Terreno', bold)
worksheet.write('C1', 'Recamaras', bold)
worksheet.write('D1', 'Baños', bold)
worksheet.write('E1', 'Construcción', bold)
worksheet.write('F1', 'Fecha Publicación', bold)
# Empezar desde el primer renglón debajo de los títulos
row=1
col=0
sigrowplanta=0
sigrowterreno=0
sigrowrecamara=0
sigrowbano=0
sigrowcons=0
sigrowpubl=0
numeropagina=1
# Para ir cambiando de página --> SE DEBE REVISAR LA PÁGINA MÁXIMA PARA CAMBIARLE EN EL LOOP Y SERÍA +1
while numeropagina<67:
strnumeropagina=str(numeropagina)
link = 'https://www.avisosdeocasion.com/Resultados-Inmuebles.aspx?n=venta-casas-nuevo-leon&PlazaBusqueda=2&Plaza=2&pagina=strnumeropagina&idinmueble=3&pagfinal=24&paginicial=1&Mosaico=0&scl=0'
pagina=link.replace('strnumeropagina',strnumeropagina) # Para que cambie el número de la página
page = requests.get(pagina)
tree = html.fromstring(page.content)
print(pagina)
# Para sacar el número de plantas
plantas = tree.xpath('//td[contains(text(),"planta")]/td[1]/text() or //td[contains(text(),"terreno")]/preceding-sibling::td[1]/text()')
print('PLANTAS 1:',plantas)
plantas2=[]
for item in plantas:
if not item.strip():
item='0 plantas'
plantas2.append(item)
else:
plantas2.append(item.strip())
print('PLANTAS 2:',plantas2)
plantas3=[]
for casa in plantas2:
if len(casa)<1: continue
plantas3.append(float(casa.split()[0]))
for datoplanta in plantas3:
worksheet.write_number(row + sigrowplanta, col, datoplanta)
sigrowplanta = sigrowplanta + 1
print(len(plantas3), 'Plantas:',plantas3)
# Para sacar los m2 del terreno
terreno=tree.xpath('//td[contains(text(),"planta")]/following-sibling::td[1]/text()')
terreno2=[]
for item in terreno:
if not item.strip():
item='0m² terreno'
terreno2.append(item)
else:
terreno2.append(item.strip())
terreno3=[]
for casa in terreno2:
if len(casa)<1: continue
terreno3.append(float(casa.split('m²')[0]))
for datoterreno in terreno3:
worksheet.write_number(row + sigrowterreno, col+1, datoterreno)
sigrowterreno = sigrowterreno + 1
print(len(terreno3),'m2 Terreno:',terreno3)
# Para sacar el número de recámaras
recamara=tree.xpath('//td[contains(text(),"zona")]/preceding-sibling::td[1]/text()')
recamara2=[]
for item in recamara:
if not item.strip():
item='0 recamaras'
recamara2.append(item)
else:
recamara2.append(item.strip())
recamara3=[]
for casa in recamara2:
if len(casa)<1: continue
recamara3.append(float(casa.split()[0]))
for datorecamara in recamara3:
worksheet.write_number(row + sigrowrecamara, col+2, datorecamara)
sigrowrecamara = sigrowrecamara + 1
print(len(recamara3), 'Recámaras:',recamara3)
# Para sacar la zona PENDIENTE
# Para sacar el número de baños
bano=tree.xpath('//td[contains(text(),"Nuevo León")]/preceding-sibling::td[1]/text()')
bano2=[]
for item in bano:
if not item.strip():
item='0 baños'
bano2.append(item)
else:
bano2.append(item.strip())
bano3=[]
for casa in bano2:
if len(casa)<1: continue
bano3.append(float(casa.split()[0]))
for datobano in bano3:
worksheet.write_number(row + sigrowbano, col+3, datobano)
sigrowbano = sigrowbano + 1
print(len(bano3),'Baños:',bano3)
# Para sacar los m2 de construcción
cons=tree.xpath('//td[contains(text(),"Publ")]/preceding-sibling::td[1]/text()')
cons2=[]
for item in cons:
if not item.strip():
item='0m² constr.'
cons2.append(item)
else:
cons2.append(item.strip())
cons3=[]
for casa in cons2:
if len(casa)<1: continue
cons3.append(float(casa.split('m²')[0]))
for datocons in cons3:
worksheet.write_number(row + sigrowcons, col + 4, datocons)
sigrowcons = sigrowcons + 1
print(len(cons3),'m2 Construcción:',cons3)
# Para sacar la fecha de Publicación
publ=tree.xpath('//td[contains(text(),"constr.")]/following-sibling::td[1]/text()')
publ2=[]
for item in publ:
if not item.strip():
item='Publ: 1\xa0Ene'
publ2.append(item)
else:
publ2.append(item.strip())
publ3=[]
for casa in publ2:
if len(casa)<1: continue
publ3.append(casa.replace('\xa0',' ').replace('Publ:','').strip())
for datopubl in publ3:
worksheet.write_string(row + sigrowpubl, col + 5, datopubl)
sigrowpubl = sigrowpubl + 1
print(len(publ3), 'Fecha Publicado:',publ3)
if len(plantas3)==len(terreno3)==len(bano3)==len(cons3)==len(publ3)==len(recamara3):
print('\033[1m'+'\033[91m'+'IGUAL LAS CANTIDADES POR CATEGORÍA'+'\033[0m')
numeropagina=numeropagina+1
workbook.close()
Y también quisiera saber por qué al pasar los datos a excel me copia más datos de los que existen en la página.