使用 lxml 获取值

Question

我有以下 html:

<div class="txt-block">
<h4 class="inline">Aspect Ratio:</h4> 2.35 : 1
</div>

我想从内容中获取值“2.35 : 1”。但是，当我尝试使用 lxml 时，它 returns 是一个空字符串（我能够获得 'Aspect Ratio' 值，可能是因为它正好位于标签之间。）

item.find('div').text

我如何获得“2.35 : 1”值？使用 etree.tostring 确实可以得到完整的输出。

Answer 1

这叫做元素的.tail:

from lxml.html import fromstring

data = """
<div class="txt-block">
<h4 class="inline">Aspect Ratio:</h4> 2.35 : 1
</div>
"""

root = fromstring(data)
print root.xpath('//h4[@class="inline"]')[0].tail

打印 2.35 : 1.

作为替代方案，您可以获得 h4 元素的 下列文本同级 ：

root.xpath('//h4[@class="inline"]/following-sibling::text()')[0]

此外，请确保您使用的是 lxml.html，因为您正在处理 HTML 数据。

Answer 2

您也可以使用 .text_content()，而不是 .text，这将为您提供元素 (http://lxml.de/lxmlhtml.html) --

的全部文本内容

>>> item.find('div').text.text_content()
Aspect Ratio: 2.35 : 1

完整的声明将是：

>>> title_detail.text_content().split('Aspect Ratio: ')[1].strip()
2.35 : 1

使用 lxml 获取值

Get value using lxml

html

python

lxml

html-parsing

lxml.html