这个库的新手(遗憾的是,对 BeautifulSoup 也不熟悉),尝试做一些非常简单的事情(按内联样式搜索):
<td style="padding: 20px">blah blah </td>
我只想选择 style="padding: 20px" 的所有 tds,但我似乎无法弄清楚。所有示例都展示了如何选择 td,例如:
for col in page.cssselect('td'):
但这对我帮助不大。
好吧,有一个更好的方法:XPath。
import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for col in doc.xpath("//td[@style='padding: 20px']"):
print col.text
那更整洁也更快。
如果您更喜欢使用 CSS 选择器:
import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for td in doc.cssselect('td[style="padding: 20px"]'):
print td.text
请注意,Ruslan Spivak和nosklo在下面给出了更好的答案。
import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for col in doc.cssselect('td'):
style = col.attrib['style']
if style=='padding: 20px':
print(col.text.strip())
印刷
blah blah
buh buh
并设法跳过bow bow
。