Tengo un HTML de la forma:
<td><span>$3,480.00</span></td>
<td><span>Ingreso</span></td>
<td><span>Vigente</span></td>
que recorro con XPath:
doc.xpath('//td/span/text()')
Pero a veces hay celdas vacías, las cuales no tienen nodo text()
, del tipo:
<td><span></span></td>
entonces cuando uso:
dict(zip(cabeceras, datos))
quedan todos los datos revueltos.
Actualmente estoy usando replace
para evitar que el XPath se salte los nodos vacíos, llenándolos con '_'
.
cadena=lxml.html.tostring(data[row])
cadena=cadena.replace("></span>", ">_</span>")
doc = lxml.html.fromstring(cadena)
datos=doc.xpath('//td/span/text()')
¿Hay alguna manera más elegante de resolver esto?