从网页提取PLAYING等动态值的Python代码报错求助

看起来你在提取网页里的动态播放状态（PLAYING/BUFFERING/IDLE）时踩了CSS选择器的语法坑，我来帮你捋清楚问题出在哪，以及怎么解决。

首先，你遇到的SelectorSyntaxError是因为CSS选择器的写法错了：你用了tr[3]这种类似XPath的写法，但CSS里选择第n个子元素得用:nth-child(n)伪类，tr[3]在CSS里是找带有3这个属性的tr标签，完全不是你想要的“第3个tr”的意思，所以才会报错。

给你两种解决方案，都能搞定这个问题：

方案1：直接用你现成的XPath（最省心） #

既然你已经有了正确的目标XPath /html/body/table/tr[3]/th[2]/font，完全没必要转成CSS选择器，直接用lxml的xpath()方法查询就行，代码修正后如下：

import urllib2
from lxml import etree

SERVER = 'http://203.xx.xx.xxx:8080/uistatus.html'
authinfo = urllib2.HTTPPasswordMgrWithDefaultRealm()
authinfo.add_password(None, SERVER, 'admin', 'xxxxxxx')
page = 'http://203.82.99.234:8080/uistatus.html'
handler = urllib2.HTTPBasicAuthHandler(authinfo)
myopener = urllib2.build_opener(handler)
# 注意这里不需要把install_opener的返回值赋值给变量，它是无返回的
urllib2.install_opener(myopener)
output = urllib2.urlopen(page)

htmlparser = etree.HTMLParser()
tree = etree.parse(output, htmlparser)

# 直接用目标XPath提取文本内容
status_text = tree.xpath('/html/body/table/tr[3]/th[2]/font/text()')
if status_text:
    # 取第一个匹配结果（因为你要的是唯一的状态值）
    print(status_text[0])
else:
    print("未找到状态元素")

方案2：修正CSS选择器写法 #

如果你坚持想用CSSSelector，就把选择器改成符合CSS语法的格式：用>表示直接子元素，用:nth-child()指定位置，修正后的代码片段：

from lxml.cssselect import CSSSelector

# 替换原来错误的CSSSelector行
td_empformbody = CSSSelector('html > body > table > tr:nth-child(3) > th:nth-child(2) > font')
for elem in td_empformbody(tree):
    # 提取font标签里的文本
    print(elem.text)

另外提个小细节：你原来代码里opened = urllib2.install_opener(myopener)是多余的，因为install_opener()没有返回值，不需要赋值给变量。

还有，网页里有<meta http-equiv=refresh content="2; url=uistatus.html">，说明页面每2秒刷新一次，如果需要持续监控状态，可以加个循环，用time.sleep()每隔几秒重新请求一次页面。

内容的提问来源于stack exchange，提问作者Ossama