使用xpath/python选择特定节点的父节点

Question

如何获取此html片段中a的href值？

我需要根据I标记中的类获取它

<!--
<a href="https://link.com" target="_blank"><i class="foobar"></i>  </a>           
-->

我试过了，但没有结果

foo_links = tree.xpath('//a[i/@class="foobar"]')

Answer 1

您应该注意，目标元素是HTML注释。您不能简单地获取

请尝试以下代码：

import re

foo_links = tree.xpath('//comment()') # get list of all comments on page
for link in foo_links:
    if '<i class="foobar">' in link.text:
        href = re.search('\w+://\w+.\w+', link.text).group(0) # get href value from required comment
        break

P、 您可能需要使用更复杂的正则表达式来匹配链接URL

Answer 2

您的代码确实对我有用-它返回<代码>

hrefs = tree.xpath('//a[i/@class="foobar"]/@href')

您还可以首先找到

hrefs = tree.xpath('//a/i[@class="foobar"]/../@href')
#                     ^                    ^  ^
#                     |                    |  obtain the 'href'
#                     |                    |
#                     |                    get the parent of the <i>
#                     |
#                     find all <i class="foobar"> contained in an <a>.

如果所有这些都不起作用，您可能需要验证文档的结构是否正确。

请注意，XPath不会窥视内部注释

hrefs = [href for comment in tree.xpath('//comment()') 
              # find all comments
              for href in lxml.html.fromstring(comment.text)
              # parse content of comment as a new HTML file
                              .xpath('//a[i/@class="foobar"]/@href')
                              # read those hrefs.
]