代码之家 › 专栏 › 技术社区 › significance

如何使用xpath和lxml从下面糟糕的html中选择这些元素?

lxml xpath html python

significance · 技术社区 · 15 年前

我想使用lxml和一些聪明的xpath从这个html中选择以下字符串。字符串将更改,但周围的html不会更改。

我需要。。。

19/11/2010
AAAAAA/01
Normal
United Kingdom
This description may contains <bold>html</bold> but i still need all of it!

从。。。

...
<p>
    <strong>Date:</strong> 19/11/2010<br>
    <strong>Ref:</strong> AAAAAA/01<br>
    <b>Type:</b> Normal<br>
    <b>Country:</b> United Kingdom<br>
</p>
<hr>
<p>
    <br>
    <b>1. Title:</b> The Title<br>
    <b>2. Description: </b> This description may contains <bold>html</bold> but i still need all of it!<br>
    <b>3. Date:</b> 25th October<br>
...

</p>

...

到目前为止,我只想到了使用正则表达式和 re:match 试着把它拖出来,但是如果没有什么东西能让我得到 <p> 例如节点。

如果不通过regex对字符串进行后期处理,有什么方法可以做到这一点吗?

谢谢:)

2 回复 | 直到 15 年前

user357812user357812 15 年前

很难看!有了这个适当的格式输入:

<html>
<p>
    <strong>Date:</strong> 19/11/2010<br/>
    <strong>Ref:</strong> AAAAAA/01<br/>
    <b>Type:</b> Normal<br/>
    <b>Country:</b> United Kingdom<br/>
</p>
<hr/>
<p>
    <br/>
    <b>1. Title:</b> The Title<br/>
    <b>2. Description: </b> This description may contains <bold>html</bold> but i still need all of it!<br/>
    <b>3. Date:</b> 25th October<br/>
</p>
</html>

最简单的情况:

/html/p/strong[.='Date:']/following-sibling::text()[1]

评估对象:

 19/11/2010

所有这些都在一个:

/html/p/*[self::strong[.='Date:' or .='Ref:']|
          self::b[.='Type:' or .='Country:']]
         /following-sibling::text()[1]

复杂的一个:

/html/p/node()[preceding-sibling::b[1][.='2. Description: ']]
              [following-sibling::b[1][.='3. Date:']]
              [not(self::br)]

Dimitre Novatchev 15 年前

这并不难。

给定此XML文档:

<html> 
<p> 
    <strong>Date:</strong> 19/11/2010<br/> 
    <strong>Ref:</strong> AAAAAA/01<br/> 
    <b>Type:</b> Normal<br/> 
    <b>Country:</b> United Kingdom<br/> 
</p> 
<hr/> 
<p> 
    <br/> 
    <b>1. Title:</b> The Title<br/> 
    <b>2. Description: </b> This description may contains <bold>html</bold> but i still need all of it!<br/> 
    <b>3. Date:</b> 25th October<br/> 
</p> 
</html>

我需要。。。

2010年11月19日

AAAAAA/01号

正常

大不列颠联合王国

此XPath表达式选择上述所有文本节点 :

/*/p[1]/text()

此描述可能包含html,但我仍然需要所有是的!

用这个 :

/*/p[2]/b[2]/following-sibling::node()
                 [count(.|/*/p[2]/b[2]/following-sibling::br[1]/preceding-sibling::node()) 
                = 
                  count((/*/p[2]/b[2]/following-sibling::br[1]/preceding-sibling::node()))
                 ]

推荐文章

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

4 年前

JobProcessTask · 如何读取此xpath表达式?

4 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