Python 网页解析库 之 XPath (2)

6、提取父节点

如果知道子节点，可以通过".."选取父节点，使用方法如下：

from lxml import etree
html = etree.parse('xpath_sample.html', etree.HTMLParser())
result = html.xpath('//a[@href="link4.html"]/../@class')
print(result)

运行输出结果：

['item-3']

也可以通过 "parent::" 获取父节点，使用方法如下：

result = html.xpath('//a[@href="link4.html"]/parent::*/@class')

7、属性匹配

在选取节点的时候，可以使用"@属性" 进行属性过滤，使用方法如下：

from lxml import etree
html = etree.parse('xpath_sample.html', etree.HTMLParser())
result = html.xpath('//li[@class="item-3"]')
print(result)

运行输出如下：

[<Element li at 0x1da1e7a9ec8>]

8、文本获取

from lxml import etree
html = etree.parse('xpath_sample.html', etree.HTMLParser())
result = html.xpath('//li[@class="item-3"]/a/text()')
print(result)

运行输出如下：

['Item-3']

9、属性获取

中括号加属性名和值"[@href="link3.html"]"可以进行限定来进行属性匹配，而直接"@属性" 可以获取节点的属性值，使用方法如下：

from lxml import etree
html = etree.parse('xpath_sample.html', etree.HTMLParser())
results = html.xpath('//li/a/@href')
for result in results:
    print(result)

运行输出结果如下：

link1.html
link2.html
link3.html
link4.html
link5.html

10、属性多值匹配

有时，HTML 节点的属性具有多个值，此时需要对节点匹配，可以使用 contains 方法，如下：

from lxml import etree
text = '''
    <div class="main main-left"><a href="left_bar.html">Left Bar</a><div>
'''
html = etree.HTML(text)
results = html.xpath('//div[contains(@class, "main")]/a/text()')
for result in results:
    print(result)

运行输出结果如下：

Left Bar

11、多属性匹配

有时，HTML 节点具有多个属性，此时需要对节点匹配，可以使用 运算符 and 连接多个属性进行匹配，使用如下：

from lxml import etree
text = '''
    <div class="main main-left" name="left-menu"><a href="left_bar.html">Left Bar</a><div>
'''
html = etree.HTML(text)
results = html.xpath('//div[contains(@class, "main") and @name="left-menu"]/a/text()')
for result in results:
    print(result)

运算符及其介绍如下：

后续公众号会发布系列教程，更多内容请关注公众号：程序猿学习日记