使用 XPATH 进行属性切片？答案

【问题标题】：Attribute slicing using XPATH?使用 XPATH 进行属性切片？
【发布时间】：2016-03-02 19:36:51
【问题描述】：

假设我们有以下 html sn-p:

...
<section>
    <a href="https://example.com" data-utag="{"sku":"12340", "abc":"Lorem ipsum"}">sometext</a>
</section>
...

使用 XPATH，如何从 data-utag 中仅提取 SKU 值（即 12340）？

【问题讨论】：

我很确定你不能。由于 " 的滥用，该 sn-p 不是格式良好的 XML 文档的一部分。
如果所有这些值都是这样的，您可以通过node.attrib["data-utag"]访问整个值，并使用eval(value)将其作为Python字典读取。或者你可以做一些快速而肮脏的字符串拆分。
忽略引用问题，您可以使用正则表达式与 xpath (see)[regular-expressions.mobi/xpath.html]，所以也许。这要看数据格式是否。这个确切的字符串，当然，但如果它类似于 python 字典的字符串表示，那么通常它需要一个解析器。
我没有提出结构，但 SKU 对我来说是有价值的数据。此示例取自市场之一。他们使用包含字典的 data-utag。

标签： python xml xpath scrapy

【解决方案1】：

在 html 的标签中使用单引号而不是双引号将使 parsel/scrapy 脚本工作：

from parsel import selector
import json

sel = selector.Selector(text=u"""<section><a href='https://example.com' data-utag='{"sku":"12340", "abc":"Lorem ipsum"}'>sometext</a></section>""")

jsontxt = sel.xpath("string(.//section/a/@data-utag)").extract()[0]

loaded = json.loads(jsontxt)

print(loaded["sku"])

【讨论】：