python - HTML解析得到我想要的

Question

这个问题已经有答案了:

Parsing HTML using Python (7 个回答)

已关闭 3 年前。

我正在尝试用 Python 进行一些 HTML 解析，说实话，我对此很不擅长。我一直在谷歌搜索方法来做到这一点，但无法让任何东西发挥作用。这是我的情况。我有一个网页，其中有很多下载链接。我想要做的是指定一个搜索字符串，如果我要搜索的字符串存在，则下载该文件。但它需要获取整个文件名。例如，如果我正在搜索 game-1 并且实际游戏的名称是 game-1-something-else，我希望它下载 game-1-1something-else。我已经使用以下代码来获取页面的源代码:

import urllib2
file = urllib2.urlopen('http://www.example.com/my/example/dir')
dload = file.read()

这会获取网页的整个源代码，它本身只是一个目录。例如，我有很多标签。我有 <a href标签， <td>标签等。我想对标签进行字符串化，这样我所拥有的只是网页目录中的文件列表，然后我想使用正则表达式或类似的东西来搜索我正在搜索的内容，采取完整文件名，然后下载。

Answer 1

获得 HTML 数据后，对其进行解析，然后您可以选择页面内的节点:

import lxml.html
tree = lxml.html.fromstring(dload)
for node in tree.xpath('//a'):
    print node['href']