如何使用lxml（或BeautifulSoup）提取两个跨度之间的文本？

Question

给定 this 页面，我想找出样式 ID 的值：

我使用浏览器的开发人员工具获得 唯一选择器：

li.attribute-list-item:nth-child(1) > span:nth-child(1)

那么 urllib2 和 lxml 的 CSS 能力：

import urllib2
from lxml import etree 
from lxml.cssselect import CSSSelector    
req = urllib2.Request(url, headers={'User-Agent' : "Magic Browser"}) 
con = urllib2.urlopen( req )
htmlparser = etree.HTMLParser()
tree = etree.parse(con, htmlparser)
x = CSSSelector('li.attribute-list-item:nth-child(1) > span:nth-child(1)')

如果我然后得到 x(tree) 的单个元素的文本值：

它给我的是文本 'Style ID' 而不是它后面的实际值。外观如下：

如何获取号码（在本例中为 555088 117）？我也欢迎基于 BeautifulSoup 的建议。

编辑： 我特别寻求基于 CSS（class 名称或选择器）的方法。

Answer 1

与requests + lxml:

import requests
from lxml import html

response = requests.get("http://www.flightclub.com/air-jordan-1-retro-high-og-unc-white-dk-powder-blue-012304")
tree = html.fromstring(response.content)

style_id = tree.xpath('//ul[@class="mb-padding product-attribute-list"]/li[@class="attribute-list-item"][1]/text()[2]')[0].replace(',','').strip()
print style_id

输出：

555088 117

注：

为避免IndexError: list index out of range站点结构发生变化，您可以替换为：

style_id = tree.xpath('//ul[@class="mb-padding product-attribute-list"]/li[1]/text()[2]')[0].replace(',','').strip()

有：

style_id = ''.join(tree.xpath('//ul[@class="mb-padding product-attribute-list"]/li[1]/text()[2]')).replace(',','').strip()

如何使用lxml（或BeautifulSoup）提取两个跨度之间的文本？

How to extract the text between two spans with lxml (or BeautifulSoup)?

html

css

python

lxml

beautifulsoup