python - lxml:如何丢弃所有包含特定类链接的 元素？

Question

与通常的情况一样，我因缺乏适当的 lxml 文档而苦苦挣扎( self 注意:应该编写适当的 lmxl 教程并获得大量流量!)。

我想找到所有<li> 不包含 <a> 的项目具有特定类别的标签。

例如:

<ul>
<li><small>pudding</small>: peaches and <a href="/cream">cream</a></li>
<li><small>cheese</small>: Epoisses and <a href="/st-marcellin" class="new">St Marcellin</a></li>
</ul>

我只想获取 <li>不包含类 new 的链接，我想获取 <small> 内的文字。换句话说，“布丁”。

有人可以帮忙吗？

谢谢!

Answer 1

import lxml.html as lh

content='''\
<ul>
<li><small>pudding</small>: peaches and <a href="/cream">cream</a></li>
<li><small>cheese</small>: Epoisses and <a href="/st-marcellin" class="new">St Marcellin</a></li>
</ul>
'''

tree=lh.fromstring(content)
for elt in tree.xpath('//li[not(descendant::a[@class="new"])]/small/text()'):
    print(elt)

# pudding

XPath 具有以下含义:

//                        # from the root node, look at all descendants
li[                       # select nodes of type <li> who
    not(descendant::a[    # do not have a descendant of type <a>
        @class="new"])]   # with a class="new" attribute 
    /small                # select the node of type <small>
    /text()               # return the text of that node