再请教 lxml 分析 html 的问题，涉及 xpath 语法 - V2EX

首页注册登录

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 2443 天前的主题，其中的信息可能已经有所发展或是发生改变。

有如下代码：
（随便写的，不要在乎 script 节点的意义，做位置参照而已）

import lxml.html
import lxml.etree

text = '''
<html>
    <body>
        <div>
            <p>我不是你需要的文本</p>
        </div>
        <div>
            <script type="text/javascript">
                console.log("Hello world")
            </script>
            <p>我是你需要的文本</p>
        </div>
    </body>
</html>
'''

doc = lxml.html.fromstring(text)
body = doc.xpath("/html/body")[0]
divs = body.xpath("div")
for div in divs:
    scripts = div.xpath("script[@type=\"text/javascript\"]")
    if scripts is not None:
        ps = div.xpath("p")
        p = ps[0]
        print(p.text)

本意是通过 scripts is not None 匹配到第二个 div 节点，但意外的是两个 div 均匹配成功
如果输出 scripts，还都会得到 script 节点

8 条回复 • 2017-08-12 13:02:10 +08:00

1

misaka19000

2017-08-11 11:52:35 +08:00 via Android

script 前面加个./

2

anguslg

2017-08-11 12:16:02 +08:00

[] != None

所以两个 p 都被选取到了

3

syncher

2017-08-11 12:18:23 +08:00 via Android

可以试试 xpath helper 插件

4

wencan

OP

2017-08-11 12:40:59 +08:00 via Android

@anguslg
多谢
忘了 not found 返回的是[]
有个方法 not found 返回 None，结果记混淆了

5

mckelvin

2017-08-11 12:45:24 +08:00

推荐 https://pythonhosted.org/pyquery/

6

wencan

OP

2017-08-11 14:55:56 +08:00

@anguslg @misaka19000
谢谢两位
最终代码：
```
if td.xpath(".//script[@type=\"text/javascript\"]"):
pass
```

7

anguslg

2017-08-11 21:02:36 +08:00

@wencan 把最外面两个双引号改成单引号，可以不用写转义符号了

8

wencan

OP

2017-08-12 13:02:10 +08:00

@anguslg 习惯了

关于 · 帮助文档 · 博客 · API · FAQ · 我们的愿景 · 实用小工具 · 2803 人在线 最高记录 6543 ·

Select Language

创意工作者们的社区

World is powered by solitude

VERSION: 3.9.8.5 · 26ms · UTC 13:15 · PVG 21:15 · LAX 06:15 · JFK 09:15
Developed with CodeLauncher
♥ Do have faith in what you're doing.