Question

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在'a class =“Title”'下选择'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

但是我得到了两个返回，'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，但我无法让它工作。

有人可以帮助我了解如何在特定节点内“搜索”。我已经完成了多个xpath文档，但我似乎无法弄明白。

Answer 1

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 id 而不是类更好，因为 id 应该是唯一的（在现实生活中，有时会出现错误的代码同一页面中有多个相同的 id ，但类可重复N次）

Answer 2

使用//您已经在选择文档中的所有a元素。

要搜索特定的div尝试使用//指定父级，然后再使用// 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"))

Python：节点内的XPATH搜索

2 个答案:

注意：