XPath 选择图像链接 - 仅当 img src 的父 href 链接存在时，否则选择 img src 链接

Posted 2023-02-23

【中文标题】XPath 选择图像链接 - 仅当 img src 的父 href 链接存在时，否则选择 img src 链接

【英文标题】：XPath select image links - parent href link of img src only if it exists, else select img src link

【发布时间】：2016-10-26 13:58:56

【问题描述】：

我遇到了一个有点复杂的 XPath 问题。考虑这个网页部分的 html（我使用了 Imgur 并替换了一些文本）：

<a href="//i.imgur.com/ahreflink.jpg" class="zoom">
    <img class="post-image-placeholder" src="//i.imgur.com/imgsrclink.jpg">
    </img>
</a>

我首先要搜索文档中的所有img标签，并找到它们对应的srces。接下来，我想检查img src 链接是否包含图像文件扩展名（.jpeg、.jpg、.gif、.png）。如果它不包含图像扩展名，请不要抓住它。在这种情况下，它具有图像扩展名。现在我们想弄清楚我们想要抓取哪个链接。既然parent href是存在的，那我们就去抓取对应的链接吧。

想要的结果：//i.imgur.com/ahreflink.jpg

但现在假设parent href 不存在：

<a name="missing! oh no!">
    <img class="post-image-placeholder" src="//i.imgur.com/imgsrclink.jpg">
    </img>
</a>

想要的结果：//i.imgur.com/imgsrclink.jpg

我该如何构建这个 XPath？如果有帮助，我还将 Python (Scrapy) 与 XPath 一起使用。所以如果需要分离出问题，也可以使用Python。

【问题讨论】：

到目前为止你有没有尝试过？

我只到了我检查链接的图像扩展的部分，但对如何选择要抓取的链接感到困惑。

您想尝试完全使用 XPath 来实现结果，还是您使用的脚本语言可以实现一些逻辑？

哪个可以产生更清洁和更有效的解决方案。我正在使用 python。

我已将其添加到您的标签中。我不懂python，祝你好运！

【参考方案1】：

这在单个 xpath 表达式中非常简单：

//a[not(@href)]/img/@src | //a[img]/@href

【讨论】：

哇，我从没想过优先考虑 img src（而不是），因为从逻辑上讲，我们首先优先考虑 href。看起来是一个很有前途的解决方案，但我必须先对其进行测试。

@dtgee 没有优先级，只有过滤器。

【参考方案2】：

您不必在单个 XPath 表达式中执行此操作。这是一个省略图像扩展检查的 Scrapy 特定实现（根据 cmets 判断，您已经弄清楚了）：

images = response.xpath("//a/img")
for image in images:
    a_link = image.xpath("../@href").extract_first()
    image_link = image.xpath("@src").extract_first()

    print(a_link or image_link)

【讨论】：

啊，谢谢。我想我陷入了恍惚，认为我必须只使用 XPath 来选择所有内容。我将从这个错误中吸取教训！

@dtgee 您可能确实想在 xpath 中执行此操作，以便在 C 而不是 Python 中完成繁重的工作。

是的。使用 Python 使代码更具可读性，但我想使用 XPath 并添加一些 cmets 可以达到相同的目的。