34

假设我们有以下 html：

<html>
    <body>
        <a href="/1234.html">TEXT A</a>
        <a href="/3243.html">TEXT B</a>
        <a href="/7445.html">TEXT C</a>
    <body>
</html>

如何让它找到包含“TEXT A”的元素“a”？

到目前为止，我有：

root = lxml.html.document_fromstring(the_html_above)
e = root.find('.//a')

我试过了：

e = root.find('.//a[@text="TEXT A"]')

但这不起作用，因为“a”标签没有属性“text”。

有什么方法可以以与我尝试过的方式类似的方式解决这个问题吗？

4

2 回答 2

53

你很亲密。使用text()=而不是@text（表示属性）。

e = root.xpath('.//a[text()="TEXT A"]')

或者，如果您只知道文本包含“TEXT A”，

e = root.xpath('.//a[contains(text(),"TEXT A")]')

或者，如果您只知道文本以“TEXT A”开头，

e = root.xpath('.//a[starts-with(text(),"TEXT A")]')

有关可用字符串函数的更多信息，请参阅文档。

例如，

import lxml.html as LH

text = '''\
<html>
    <body>
        <a href="/1234.html">TEXT A</a>
        <a href="/3243.html">TEXT B</a>
        <a href="/7445.html">TEXT C</a>
    <body>
</html>'''

root = LH.fromstring(text)
e = root.xpath('.//a[text()="TEXT A"]')
print(e)

产量

[<Element a at 0xb746d2cc>]
于 2013-01-13T02:14:37.760 回答
8

另一种对我来说看起来更直接的方式：

results = []
root = lxml.hmtl.fromstring(the_html_above)
for tag in root.iter():
    if "TEXT A" in tag.text
        results.append(tag)
于 2013-07-20T17:21:53.873 回答