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，但似乎我的方法不起作用。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div外部标记内没有子div标记。

XPath//div[@id="all-stories"]/li也不会匹配，因为标签内没有直接子标签。但是，确实匹配标签，因为它告诉 XPath 以递归方式搜索尽可能多的深度以找到标签。lidiv//div[@id="all-stories"]//li li//li

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