Python：在 lxml.cssselect 中使用的 CSS 选择器

Posted 2023-03-06

【中文标题】Python：在 lxml.cssselect 中使用的 CSS 选择器

【英文标题】：Python: CSS Selector to use inside lxml.cssselect

【发布时间】：2012-01-29 05:06:54

【问题描述】：

我正在尝试使用lxml.html 并使用CSSSelector 而不是XPath 解析下面给出的html 代码。

link = doc.cssselect('html body div.results dl dt a)

上面的代码给了我content-1 和content-2 作为输出，但我想要的输出是link 1 link 2。所以我用

替换了我的代码

link = doc.cssselect('html body div.results dl dt a[href]')

但仍然得到相同的输出。所以我的问题是获取 href 属性的正确 CSS 选择器是什么。

             <div class = "results">
                     <div> some tags here </div>
                        <dl> 
                              <dt title = "My Title 1" style = "background: transparent url('/img/accept.png') no-repeat right center">
                              <a href = "/link 1"> content-1</a> 
                              </dt>
                       </dl>

                      <dl>
                             <dt title = "My Title 2" style = "background: transparent url('/img/accept.png') no-repeat right center">
                             <a href = "/link 2">content-2</a>
                             </dt>
                     </dl>
            </div>

【参考方案1】：

我相信您无法通过 CSS 选择器获取属性值。你应该得到元素...

>>> elements = doc.cssselect('div.results dl dt a')

...然后从中获取属性：

>>> for element in elements:
...     print element.get('href')
... 
/link 1
/link 2

当然，列表推导是你的朋友：

>>> [element.get('href') for element in elements]
['/link 1', '/link 2']

由于您无法在 CSS 中更新属性的属性，我相信通过 CSS 选择器获取它们是没有意义的。您可以在 CSS 选择器中“提及”属性以仅检索以匹配其元素。 然而，这只是一种思考，我可能错了；如果我是，请有人纠正我:)好吧，@Tim Diggs 在下面证实了我的假设:)

【讨论】：

@brandizzi，你是对的 - 你只能选择 css 中的元素，而不是属性 - 括号用于过滤要选择的元素（但只选择 标签不是一个坏主意没有 href 属性（这是 a[href] 所做的）。

@RanRag，即使您最终不需要它，也应该将brandizzi 的答案勾选为正确。

我打算打勾，但你只能在一段时间后接受答案（我相信它会在 5 分钟后）

【参考方案2】：

你需要获取cssselect结果的属性（它总是返回元素，从不返回属性）：

首先，我不确定 doc.cssselect （但也许这是你自己的函数？）

lxml.cssselect 正常使用：

from lxml.cssselect import CSSSelector
sel = CSSSelector('html body div.results dl dt a[href]')

那么，假设你已经有了一个文档

links = []
for a_href in sel(doc):
    links.append(a_href.get('href'))

或更简洁：

links = [a_href.get('href') for a_href in doc.cssselect('html body div.results dl dt a[href]')]

【讨论】：

基本上 doc 相当于 doc=lxml.html.fromstring(content) 其中内容是我来自 urllib and read 函数的 html 数据

【参考方案3】：

我已经成功使用

#element-id ::attr(value)

获取 HTML 元素的“值”属性。

【参考方案4】：

lxml cssselector 与属性选择一起使用。下面的代码可以从 HTML 脚本元素中选择 src 属性。

   select = cssselect.CSSSelector("script[src]")
   links = [ el.get('src') for el in select(dochtml) ]
   links=iter(links)
   for n, l in enumerate(links):
       print n, l