如何迭代具有特定属性和特定值的所有标签？例如，假设我们只需要 data1、data2 等。
<html>
<body>
<invalid html here/>
<dont care> ... </dont care>
<invalid html here too/>
<interesting attrib1="naah, it is not this"> ... </interesting tag>
<interesting attrib1="yes, this is what we want">
<group>
<line>
data
</line>
</group>
<group>
<line>
data1
<line>
</group>
<group>
<line>
data2
<line>
</group>
</interesting>
</body>
</html>
我尝试了 BeautifulSoup 但它无法解析该文件。不过，lxml 的解析器似乎可以工作:
broken_html = get_sanitized_data(SITE)
parser = etree.HTMLParser()
tree = etree.parse(StringIO(broken_html), parser)
result = etree.tostring(tree.getroot(), pretty_print=True, method="html")
print(result)
我不熟悉它的 API，也不知道如何使用 getiterator 或 xpath。
最佳答案
这是一种方法，使用 lxml 和 XPath 'descendant::*[@attrib1="是的，这就是我们想要的"]'。 XPath 告诉 lxml 查看当前节点的所有后代，并返回 attrib1 属性等于“是的，这就是我们想要的” 的后代。
import lxml.html as lh
import cStringIO
content='''
<html>
<body>
<invalid html here/>
<dont care> ... </dont care>
<invalid html here too/>
<interesting attrib1="naah, it is not this"> ... </interesting tag>
<interesting attrib1="yes, this is what we want">
<group>
<line>
data
</line>
</group>
<group>
<line>
data1
<line>
</group>
<group>
<line>
data2
<line>
</group>
</interesting>
</body>
</html>
'''
doc=lh.parse(cStringIO.StringIO(content))
tags=doc.xpath('descendant::*[@attrib1="yes, this is what we want"]')
print(tags)
# [<Element interesting at b767e14c>]
for tag in tags:
print(lh.tostring(tag))
# <interesting attrib1="yes, this is what we want"><group><line>
# data
# </line></group><group><line>
# data1
# <line></line></line></group><group><line>
# data2
# <line></line></line></group></interesting>
关于python - 查找具有特定属性值的所有标签，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3778512/