python - 使用xpath获取div标签内的列表项

Question

我有一个这样的html

<div id="all-stories" class="book"> 
<ul>

<li title="Book1"  ><a href="book1_url">Book1</a></li>

<li title="Book2"  ><a href="book2_url">Book2</a></li>
</ul>

</div>

我想使用 xpath 获取书籍及其各自的 url，但我的方法似乎不起作用。为简单起见，我尝试提取“li”标签下的所有元素，如下所示

lis = tree.xpath('//div[@id="all-stories"]/div/text()')

Answer 1

import lxml.html as LH

content = '''\
<div id="all-stories" class="book"> 
<ul>

<li title="Book1"  ><a href="book1_url">Book1</a></li>

<li title="Book2"  ><a href="book2_url">Book2</a></li>
</ul>

</div>
'''
root = LH.fromstring(content)
for atag in root.xpath('//div[@id="all-stories"]//li/a'):
    print(atag.attrib['href'], atag.text_content())

产量

('book1_url', 'Book1')
('book2_url', 'Book2')

---

XPath //div[@id="all-stories"]/div 不匹配任何内容，因为外部 内没有子 div div 标签。

XPath //div[@id="all-stories"]/li 也不会匹配，因为没有direct child li 标记在 div 标记内。但是，//div[@id="all-stories"]//li 确实匹配 li 标签，因为 // 告诉 XPath 递归搜索尽可能深入以找到 li 标记。

现在，您要查找的内容不在li 标签中。它位于 a 标签内。所以改为使用 XPath'//div[@id="all-stories"]//li/a' 到达 a 标签。href 属性的值可以通过 atag.attrib['href'] 访问，文本通过 atag.text_content() 访问。