如何使用 lxml cssselctor 从 <a> 元素中提取 href？

Question

def extract_page_data(html):
tree = lxml.html.fromstring(html)
item_sel = CSSSelector('.my-item')
text_sel = CSSSelector('.my-text-content')
time_sel = CSSSelector('.time')
author_sel = CSSSelector('.author-text')
a_tag = CSSSelector('.a')

    for item in item_sel(tree):
    yield {'href': a_tag(item)[0].text_content(),
           'my pagetext': text_sel(item)[0].text_content(),
           'time': time_sel(item)[0].text_content().strip(),
           'author': author_sel(item)[0].text_content()}

我想提取 href 但我无法使用此代码提取它

Answer 1

尝试将 @href 提取为

'href': a_tag(item)[0].attrib['href']

或

'href': a_tag(item)[0].get('href')

您也可以选择使用 XPath

tree.xpath(".//a/@href")

如何使用 lxml cssselctor 从 <a> 元素中提取 href？

how to extract href from <a> element using lxml cssselctor?

lxml

beautifulsoup

python-3.x

lxml.html