如何使用XPath从路透社财报页面提取31-Dec-19日期？

嘿，我看你在爬路透社IMAX的年度利润表时，成功拿到了报表的指标列名，但卡在提取目标日期31-Dec-19上了。我帮你梳理下问题，给你几个实用的XPath方案：

你之前的XPath //th/span/text() 只定位了报表的指标名称表头，而日期其实在另一个表头分组里，所以自然拿不到目标内容。下面是针对路透社这个页面结构的解决方案：

方案一：利用属性精准定位日期列 #

路透社的财报日期列会带有专属的data-testid属性，用这个定位最可靠，不容易因为页面样式变动失效：

//th[contains(@data-testid, "financials-date-column")]/span/text()

把这个XPath加到你的代码里，就能直接拿到所有年度日期，其中就包含你要的31-Dec-19。

方案二：通过表格结构定位 #

如果上面的属性定位失效（比如网站更新了属性名），可以通过表格的层级结构来定位：

//div[contains(@class, "financials-table")]//thead//th[not(contains(@class, "sticky"))]/span/text()

这个路径的逻辑是：

• 先找到包裹财报表格的外层容器div.financials-table
• 定位表格的表头区域thead
• 排除掉固定在左侧的指标列表头（带sticky类的），剩下的就是日期列的表头

完整代码示例 #

把日期提取的逻辑整合到你的代码里：

import requests
from lxml import html

# 请求页面
response = requests.get('https://www.reuters.com/companies/IMAX.P/financials/income-statement-annual')
tree = html.fromstring(response.content)

# 提取日期
dates = tree.xpath('//th[contains(@data-testid, "financials-date-column")]/span/text()')
# 提取指标列名
columns = tree.xpath('//th/span/text()')

print("提取到的日期列表：", dates)

运行后，dates列表里就会包含你需要的31-Dec-19啦。另外，这个页面是静态渲染的，用requests直接请求就能拿到完整内容，不需要额外处理JS加载的问题。

内容的提问来源于stack exchange，提问作者bkcollection