如何根据兄弟标签的值从 lxml.etree 标签中提取文本

Question

我的目标是从 xml 文档（链接）中提取 url 并将它们放在一个列表中： https://www.valuespreadsheet.com/iedgar/results.php?stock=NFLX&output=xml

我从lxml 导入了etree，并创建了一个从所有<instanceUrl> 标签中提取文本的列表理解。

url = 'https://valuespreadsheet.com/iedgar/results.php?stock=NFLX&output=xml' 
et = etree.fromstring(urlopen(url).read())
return [_.find('instanceUrl').text for _ in et.find('filings')]

现在，我想限制列表，使其仅从 <instanceUrl> 标签中提取文本，其中 <formType>=10K。

我怎样才能做到这一点？

Answer 1

你需要一个XPath expression and the xpath() method：

[url.text for url in et.xpath('//filing[formType = "10-K"]/instanceUrl')]

在这里，我们使用10-K 文本过滤包含formType 子节点的filing 节点，然后得到instanceUrl 子节点。

请注意，_ 变量名用于一次性变量 - 必须定义但未实际使用的变量（例如在解包期间）。在您的情况下，您实际上已经使用了它。