如何用Python和lxml在xpath中输入一个特定的节点？

Question

想象以下的HTML

<div class="group>
    <ul class="smallList">
        <li><strong>Date</strong>
            some Date
       </li>
       <li>
            <strong>Author</strong>
            some Name
       </li>
       <li>
            <strong>Keywords</strong>
            <a href="linka"
            rel="nofollow">keyworda</a>,
            <a href="linkb"
             rel="nofollow">Keywordb</a>,
       </li>
       <li>
            <strong>Print</strong>
            <a class="icon print" rel="nofollow" href="javascript:window.print()">print page</a>
       </li>
    </ul>
</div>
<div class="group>
    <ul class="smallList">
        <li><a href="linkc">Linktext</a></li>
    </ul>
<div>

我正在寻找keyworda和keywordb。所以，只有包含Keywords的lsistelement内的词才会被搜索到。

我可以通过使用

.//div[@class='group']/ul[@class='smallList']/li/a/node()

但我如何只输入特定的一个？

Answer 1

我想你是想用xpath获取关键字条目。包含 函数可以在这里帮助你。我将使用 旁听生 库，只是因为它很容易使用。这一点在python中也可以用lxml或其他库来复制。

data = "[ur html above here]"
from parsel import Selector
sel = Selector(data)

#the path looks for the hyperlink and checks for two conditions:
#1. href contains link AND
#2. rel contains nofollow. 
#after that access the text for this path
path = ".//a[contains(@href,'link') and contains(@rel,'nofollow')]/text()"

#extract text using getall() :
print(sel.xpath(path).getall())

['keyworda', 'Keywordb']