在python中使用XPath提取包含关键字的href值答案

【问题标题】：extract href values containing keyword using XPath in python在python中使用XPath提取包含关键字的href值
【发布时间】：2020-12-31 17:34:17
【问题描述】：

我知道这个问题的变体已被问过很多次，但我无法破解它并得到我想要的。

我有一个website，里面有几张桌子。感兴趣的表包含一列，其中每一行包含单词Text 超链接到不同的页面。以下是上述链接页面第一行的具体示例：

<a href="_alexandria_RIC_VI_099b_K-AP.txt">Text</a>

这是一般模式：

<a href="_something_something-blah-blah.txt">Text</a>

现在我正在这样做：

import requests  
import lxml.html as lh
page = requests.get("http://www.wildwinds.com/coins/ric/constantine/t.html")
doc = lh.fromstring(page.content)
href_elements = doc.xpath('/html/body/center/table/tbody/tr/td/a/@href')
print(href_elements)

所需的响应应该是一个如下所示的项目数组：_something_something-blah-blah.txt 我得到的是一个空数组。

由于页面还有其他我不感兴趣的 href 元素，我还想修改查询以仅获取值中包含 .txt 的 href 元素。

非常感谢您提供的任何帮助！

【问题讨论】：

@mzjn，根据您的要求更新

标签： python xpath lxml href

【解决方案1】：

尝试类似：

href_elements = doc.xpath('//center//table//a[contains(@href,".txt")]["Text"]/@href')
for href in href_elements:
    print(href)

输出：

_alexandria_RIC_VI_099b_K-AP.txt
_alexandria_RIC_VI_100.txt
_alexandria_RIC_VI_136.txt
_alexandria_RIC_VI_156.txt

等等

【讨论】：

如果我正在执行逐行操作，并且只想提取该行的 href 标记，而不是整个表，是否对 xpath 命令进行了修改以将范围限制为该行, 而不是整个表？
@NotoriousBOG 如果元素具有href 属性，则xpath 表达式会查找表中的每个<a> 元素。如果要将输出限制为特定的 <a> 元素，则必须显示该元素与其所有同级元素相比的特殊之处（例如，它在表中的位置，对其特殊的文本字符串，等）最好的方法是将其作为一个单独的问题与一些示例 html 一起发布。
感谢您的回复。我发布了后续问题here