如何在 lxml.etree python 中使用类名解析 html答案

【问题标题】：how to parse html by using class name in lxml.etree python如何在 lxml.etree python 中使用类名解析 html
【发布时间】：2014-06-30 04:31:58
【问题描述】：

req = requests.get(url)
tree = etree.HTML(req.text)

现在不使用 xpath tree.xpath(...) 我想知道我们是否可以像在 beautifulSoup 中那样通过 id 的类名进行搜索 soup.find('div',attrs={'class':'myclass'})我正在lxml中寻找类似的东西。

【问题讨论】：

【解决方案1】：

在bs4 中更简洁的方法是使用 css 选择器：

soup.select('div.myclass') #  == soup.find_all('div',attrs={'class':'myclass'})

lxml 提供cssselect 作为模块（实际上是compiles XPath expressions）并作为Element 对象的便捷方法。

import lxml.html

tree = lxml.html.fromstring(req.text)
for div in tree.cssselect('div.myclass'):
    #stuff

或者您可以选择预编译表达式并将其应用于您的Element：

from lxml.cssselect import CSSSelector
selector = CSSSelector('div.myclass')

selection = selector(tree)

【讨论】：

【解决方案2】：

您说您不想使用 xpath，但没有解释原因。如果目标是搜索具有给定类的标签，您可以使用 xpath 轻松完成。

例如，要查找类为“foo”的 div，您可以执行以下操作：

tree.find("//div[@class='foo']")

【讨论】：