如何根据兄弟标记的值从lxml.etree标记中提取文本

Question

我的目标是从xml文档（链接）中提取URL并将它们放在列表中： https://www.valuespreadsheet.com/iedgar/results.php?stock=NFLX&output=xml

我从etree导入了lxml并创建了一个列表推导，从所有<instanceUrl>标记中提取文本。

url = 'https://valuespreadsheet.com/iedgar/results.php?stock=NFLX&output=xml' 
et = etree.fromstring(urlopen(url).read())
return [_.find('instanceUrl').text for _ in et.find('filings')]

现在，我想限制列表，以便它只从<instanceUrl>标记中提取<formType> = 10K的文本。

我怎样才能做到这一点？

Answer 1

您需要XPath expression and the xpath() method：

[url.text for url in et.xpath('//filing[formType = "10-K"]/instanceUrl')]

在这里，我们使用filing文本过滤包含formType子节点的10-K个节点，然后获取instanceUrl子节点。

请注意，_变量名称用于丢弃变量 - 必须定义但未实际使用的变量（例如在解包期间）。在您的情况下，您实际上已经使用过它。