Question

我正在尝试使用

解析HTML

a = lxml.html.fromstring('<html><body><span class="cut cross">Text of double class</span><span class="cross">Text of single class</span></body></html>')
s1 = a.xpath('.//span[@class="cross"]')
s2 = a.xpath('.//span[@class="cut cross"]')
s3 = a.xpath('.//span[@class="cut"]')

输出：

s1 => [<Element span at 0x7f0a6807a530>]
s2 => [<Element span at 0x7f0a6807a590>]
s3 => []

但是第一个span标签有'cut'类，但是s3是空的。在s2中，当我给两个类时，它返回标记。

Answer 1

XPaths equal运算符恰好与右侧和左侧操作数匹配。如果要搜索其中一个类，可以使用contains函数：

a.xpath('.//span[contains(@class, "cut")]')

但是，它也可以匹配cut2等类。

cssselect是一个处理CSS选择器的库。名为pyquery的包装器模仿python中的JQuery库。

Answer 2

我非常确定XPath查询不遵守CSS数据模型（即，单个class属性中的类是以空格分隔的值）。为了做你想做的事，你应该看看使用CSS选择器（例如，通过cssselect）。

Answer 3

为了避免Scharron提出的cut2问题，您可以将空格连接到类的前端和末尾。

a.xpath('.//span[contains(concat(" ", @class, " "), " cut ")]')

lxml没有正确解析具有多个类的标记

3 个答案: