Python 获取带有特定文本的标签

Question

我用 html 块串起来，比如

a = '<div>Test moree test <div> London is ... <p>mooo</p></div></div>'

我需要获取带有特定文本的块，例如

super_func("London", a) ==> '<div> London is ... <p>mooo</p></div>'
super_func('mooo', a) = '<p>mooo</p>'

Answer 1

您可以使用以下 XPath 查询查找包含特定文本的元素，而不管元素名称及其在 HTML 文档中的位置：

//*[contains(text(),'certain text')]

这是一个使用 lxml.html 库的工作示例：

from lxml import html

def super_func(keyword, htmldoc):
    query = '//*[contains(text(),"{0}")]'
    result = htmldoc.xpath(query.format(keyword))
    if len(result) > 0:
        return html.tostring(result[0])
    else:
        return ''

a = '<div>Test moree test <div> London is ... <p>mooo</p></div></div>'
doc = html.fromstring(a)
text = 'London'
print super_func(text, doc)
text = 'mooo'
print super_func(text, doc)

输出：

<div> London is ... <p>mooo</p></div>
<p>mooo</p>

Python 获取带有特定文本的标签

Python get tag with certain text

html

python

lxml

python-2.7