代码之家 › 专栏 › 技术社区 › TruMan1

用xpath提取内容?

html-agility-pack xpath dom xml c#

TruMan1 · 技术社区 · 15 年前

我将HTML内容存储为XML文档(使用HTML敏捷性包)。我知道一些XPath,但我无法将其归零到我需要的确切内容中。

在下面的示例中,我尝试从大图像中提取“src”和“alt”文本。这是我的例子:

<html>
<body>
   ....
   <div id="large_image_display">
      <img class="photo" src="images/KC0763_l.jpg" alt="Circles t-shirt - Navy" />
   </div>
   ....
   <div id="small_image_display">
      <img class="photo" src="images/KC0763_s.jpg" alt="Circles t-shirt - Navy" />
   </div>
</body>
</html>

“images/kc0763_l.jpg”和“circles T恤-navy”的xpath是什么?这就是我能走多远,但这是错误的。目前主要是伪代码:

\\div[@class='large_image_display']\img[1][@class='photo']@src
\\div[@class='large_image_display']\img[1][@class='photo']@alt

如果能帮上忙,我们将不胜感激。

2 回复 | 直到 15 年前

mtreit 15 年前

下面的xpath将为您提供img标记的src属性:

'//html/body/div/img[@class="photo"]/@src'

同样,这将使您得到alt属性:

'//html/body/div/img[@class="photo"]/@alt'

从这里可以看到属性文本。如果您只想找到与“大图像显示”匹配的图像,那么您将按如下方式对其进行进一步过滤:

'//html/body/div[@id="large_image_display"]/img[@class="photo"]/@src'

Dimitre Novatchev 15 年前

使用下列xpath表达式 :

/html/body/div[@id='large_image_display']/img/@src

和

/html/body/div[@id='large_image_display']/img/@alt

总是尽量避免使用 // 缩写 ,因为它可能导致非常低效的评估(导致扫描整个(子)树)。

在这种情况下,我们知道 html 元素是文档的顶部元素,我们可以通过 /html ——不是 //html .

你的主要问题是 在你的表达中 \ 和 \\ 在xpath中没有这样的操作符。您尝试使用的正确xpath运算符是 / 以及 / / 缩写。

推荐文章

Monica · 使用Selenium和Python在没有url的情况下单击下载文件

3 年前

JobProcessTask · 如何读取此xpath表达式?

3 年前

ÐÐ½Ð´ÑÐµÐ¹ Ð¡Ð¼Ð¸ÑÐ½Ð¾Ð² · 通过xplpath从xml加载字段时出现问题

4 年前

johns7843 · 如何使用xpath收集所有HREF?Selenium-Python

4 年前

js1069 · 如何通过匹配第一个元素中的文本来获取第二个元素。在Selenium中,Python

4 年前

Tony · IMPORTXML的正确XPATH(用于Yahoo Finance)

4 年前

Astro-Otter · 在DOMXpath中使用preg_match来匹配文本contgent

4 年前

mathias5986 · HTML Selenium Python点击href链接

4 年前

lord stock · 硒在iframe中引发与下拉菜单相互作用的非接触元素异常

4 年前

Tyler Moore · 如何在Selenium for Python中使用多个属性(包括部分字符串匹配)和find_元素

4 年前