Question

我想使用Python从this网站中提取onel-iner-text。 HTML中的消息如下所示：

<div class="olh_message"> 
    <p>foobarbaz <img src="/static/emoticons/support-our-fruits.gif" title=":necta:" /></p> 
</div>

到目前为止，我的代码看起来像这样：

import lxml.html
url = "http://www.scenemusic.net/demovibes/oneliner/"
xpath = "//div[@class='olh_message']/p"
tree = lxml.html.parse(url)
texts = tree.xpath(xpath)
texts = [text.text_content() for text in texts]
print(texts)

然而，现在，我只得到foobarbaz，但是我想在其中获得img的title-argument，所以在这个示例foobarbaz :necta:中。看来我需要lxml的DOM解析器才能做到，但是我不知道怎么做。任何人都可以给我一个提示吗？

提前致谢！

Answer 1

试试这个

  import lxml.html
  url = "http://www.scenemusic.net/demovibes/oneliner/"
  parser = lxml.etree.HTMLParser()
  tree = lxml.etree.parse(url, parser)
  texts = tree.xpath("//div[@class='olh_message']/p/img/@title")

Answer 2

使用：

//div[@class='olh_message']/p/node()

他选择任何p元素的所有子节点（元素，文本节点，PI和注释节点），该元素是任何div元素的子元素，其class属性为'olh_message'。

使用XSLT作为XPath主机的验证：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> <xsl:output omit-xml-declaration="yes" indent="yes"/> <xsl:strip-space elements="*"/> <xsl:template match="/"> <xsl:copy-of select="//div[@class='olh_message']/p/node()"/> </xsl:template> </xsl:stylesheet>

将此转换应用于以下XML文档：

<div class="olh_message"> <p>foobarbaz <img src="/static/emoticons/support-our-fruits.gif" title=":necta:" /> </p> </div>

产生了想要的正确结果（表明XPath表达式已经选择了所需的节点）：

foobarbaz <img src="/static/emoticons/support-our-fruits.gif" title=":necta:"/>

在Python中使用lxml获取<img/>的title属性

2 个答案: