首页 文章

Python：节点内的XPATH搜索

提问于
浏览 次
0

我有一个看起来像这样（缩短）的HTML代码;

<div id="activities" class="ListItems">
<h2>Standards</h2>
        <ul>
                    <li>
                        <a class="Title" href="http://www.google.com" >Guidelines on management</a>
                        <div class="Info">
                            <p>
                                text
                            </p>
                                <p class="Date">Status: Under development</p>
                        </div>
                    </li>
        </ul>
</div>
<div class="DocList">
    <h3>Reports</h3>
        <p class="SupLink">+ <a href="http://www.google.com/test" >View More</a></p>
            <ul>
                <li class="pdf">
                    <a class="Title" href="document.pdf" target="_blank" >Document</a>
                    <span class="Size">
                        [1,542.3KB]
                    </span>
                    <div class="Info">
                                <p>
                                    text <a href="http://www.google.com" >Read more</a>
                                </p>
                        <p class="Date">
                            14/03/2018
                        </p>
                    </div>
                </li>
            </ul>
</div>

我试图通过使用此代码选择'a class =“Title”'下的'href ='中的值：

def sub_path02(url):
    page = requests.get(url)
    tree = html.fromstring(page.content)
    url2 = []
    for node in tree.xpath('//a[@class="Title"]'):
        url2.append(node.get("href"))

    return url2

但我得到两个返回，'div class =“DocList”'下的那个返回 .

我正在尝试更改我的xpath表达式，以便我只能在节点内查看，但我无法使其工作 .

有人可以帮我理解如何在特定节点内“搜索” . 我已经浏览了多个xpath文档，但我似乎无法弄明白 .

python html xpath

2 回答

  • 0

    使用 // ，您已经选择了文档中的所有 a 元素 .

    要在特定的 div 中搜索，请尝试使用//指定父级，然后再次使用// a来查看div中的任何位置

    //div[@class="ListItems"]//a[@class="Title"]

for node in tree.xpath('//div[@class="ListItems"]//a[@class="Title"]'):url2.append(node.get("href"))
    回复于
  • 0

    尝试使用此xpath表达式以递归方式选择具有特定 id 的div：

    '//div[@id="activities"]//a[@class="Title"]'

    所以：

    def sub_path02(url):
    page = requests.get(url)
    tree = html.fromstring(page.content)
    url2 = []
    for node in tree.xpath('//div[@id="activities"]//a[@class="Title"]'):
        url2.append(node.get("href"))

    return url2

    注意：

    选择一个id比一个类更好，因为id应该是唯一的（在现实生活中，有时在同一页面中有多个相同id的坏代码，但是一个类可以重复N次）

    回复于

相关问题