python lxml - 简单地获取/检查 HTML 元素的类

Posted 2023-03-15

【中文标题】python lxml - 简单地获取/检查 HTML 元素的类

【英文标题】：python lxml - simply get/check class of HTML element

【发布时间】：2017-01-27 08:24:00

【问题描述】：

我使用tree.xpath 遍历所有有趣的 html 元素，但我需要能够判断当前元素是否属于某个 CSS 类。

from lxml import html

mypage = """
<div class="otherclass exampleclass">some</div>
<div class="otherclass">things</div>
<div class="exampleclass">are</div>
<div class="otherclass">better</div>
<div>left</div>"""

tree = html.fromstring(mypage)

for item in tree.xpath( "//div" ):
  print("testing")
  #if "exampleclass" in item.getListOfClasses():
  #  print("foo")
  #else:
  #  print("bar")

整体结构应该保持不变。

检查当前div 是否具有exampleclass 类的快速方法是什么？

在上面的例子中，item 属于lxml.html.HtmlElement 类，它具有classes 属性，但我不明白这是什么意思：

课程 围绕“类”属性的类似集合的包装器。

获取方法：unreachable.classes(self) - 'class' 属性周围的类似集合的包装器。

设置方法：unreachable.classes(self, classes)

它返回一个lxml.html.Classes 对象，该对象有一个__iter__ 方法，结果iter() 有效。所以我构造了这段代码：

for item in tree.xpath( "//div" )
  match = False
  for classname in iter(item.classes):
    if classname == "exampleclass":
      match = True
  if match:
    print("foo")
  else:
    print("bar")

但我希望有更优雅的方法。

我尝试搜索类似的问题，但我发现的只是各种“我如何获取 'classname' 的所有元素”，但是我需要循环中的所有 divs，我只想区别对待其中一些。

【参考方案1】：

你可以优雅地使用membership test operator in：

for item in tree.xpath( "//div" ):
  if "exampleclass" in iter(item.classes):
    print("foo")

对于未定义 __contains__() 但定义的用户定义的类 如果 z 和 x == z 的某些值是，则定义 __iter__()，x in y 为真 在迭代 y 时产生。

【参考方案2】：

不需要 iter，if "exampleclass" in item.classes: 做同样的事情，只是效率更高。

from lxml import html

mypage = """
<div class="otherclass exampleclass">some</div>
<div class="otherclass">things</div>
<div class="exampleclass">are</div>
<div class="otherclass">better</div>
<div>left</div>"""

tree = html.fromstring(mypage)

for item in tree.xpath("//div"):
    if "exampleclass" in item.classes:
        print("foo")

不同之处在于在集合上调用 iter 会使查找线性化，因此绝对不是搜索集合的有效方法，这里差别不大，但在某些情况下会有巨大的差异：

In [1]: st = set(range(1000000))

In [2]: timeit 100000 in st
10000000 loops, best of 3: 51.4 ns per loop

In [3]: timeit 100000 in iter(st)
100 loops, best of 3: 1.82 ms per loop

你也可以通过 lxml 使用css selectors：

for item in tree.cssselect("div.exampleclass"):
    print("foo")

视情况而定，您也可以使用 contains：

for item in tree.xpath("//div[contains(@class, 'exampleclass')]"):
    print("foo")

【讨论】：

很好，谢谢。不过我不能使用选择器，因为我需要divs 循环中的类和不类，更新了示例代码，希望能更清楚。 xpath contains 在类 exampleclass-numbertwo 存在的情况下会出现问题，请参阅 ***.com/a/1604480/188159

@qubodup，是的，这就是我添加视情况而定的原因。您是在寻找不止一门课还是只找一门课？