Question

这个库的新手（不用再熟悉BeautifulSoup），试图做一些非常简单的事情（按内联样式搜索）：

<td style="padding: 20px">blah blah </td>

我只想选择所有tds，其中style =“padding：20px”，但我似乎无法弄明白。所有示例都显示了如何选择td，例如：

for col in page.cssselect('td'):

但这对我没什么帮助。

Answer 1

嗯，有一种更好的方法：XPath。

import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for col in doc.xpath("//td[@style='padding: 20px']"):
    print col.text

这更整洁，也更快。

Answer 2

如果您更喜欢使用CSS选择器：

import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for td in doc.cssselect('td[style="padding: 20px"]'):
   print td.text

Answer 3

请注意，Ruslan Spivak和nosklo都给出了更好的答案。

import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for col in doc.cssselect('td'):
    style = col.attrib['style']
    if style=='padding: 20px':
        print(col.text.strip())

打印

blah blah
buh buh

并设法跳过bow bow。

使用lxml.cssselector查找内联样式

3 个答案: