使用Python的requests和LXML爬取网页时XPath提取文本为空求助

1. 移除XPath中的tbody节点 #

浏览器开发者工具会自动为<table>补全<tbody>标签，但实际页面返回的HTML源码里可能并不存在这个节点。把你的XPath修改为：

/html/body/center[2]/table/tr[3]/td/font/text()

直接跳过tbody节点后重试提取文本。

2. 排查动态加载问题 #

如果上述方法无效，大概率是页面内容通过JavaScript动态渲染的。若你用的是requests这类静态请求库，无法获取JS渲染后的内容，需要改用支持JS渲染的工具，比如selenium：

from selenium import webdriver
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://datasheetspdf.com/pdf/1060035/GME/PC817/1")

# 提取目标文本
target_text = driver.find_element(By.XPATH, '/html/body/center[2]/table/tr[3]/td/font').text
print(target_text)

driver.quit()

3. 改用更稳定的相对定位XPath #

避免依赖绝对路径，改用基于内容的相对定位，比如定位包含"Description"的行后，提取相邻的文本块：

//td[contains(text(), 'Description')]/following-sibling::td/font/text()

这种方式不会因为页面结构的微小变动而失效。

4. PDF下载链接的定位建议 #

下载链接可以通过文本特征定位，比如：

//a[contains(text(), 'Download PDF')]/@href

直接提取链接的href属性即可获取下载地址。

内容的提问来源于stack exchange，提问作者K Max