xpath/pythonを使用して特定のノードの親を選択してください

Question

htmlのこのスニペットでaのhref値を取得するにはどうすればよいですか？

私はこれを試してみましたが、何の結果に

foo_links = tree.xpath('//a[i/@class="foobar"]') 

Answer 1

を取得していないのですあなたのコードは私のために仕事をして

<!-- 
<a href="https://link.com" target="_blank"><i class="foobar"></i> </a>   
--> 

それは私のタグに、そのクラスに基づいて取得する必要があります - それはリストを返します<a>あなたがhrefのリストは、要素そのものじゃないしたい場合は、/@hrefを追加します。

hrefs = tree.xpath('//a[i/@class="foobar"]/@href') 

あなたはまた、最初に戻って<a>秒に取得する/parent::*（または単に/..）を使用し、その後、<i> Sを見つけることができます。

hrefs = tree.xpath('//a/i[@class="foobar"]/../@href') 
#     ^    ^^ 
#      |     | obtain the 'href' 
#      |     | 
#      |     get the parent of the <i> 
#      | 
#      find all <i class="foobar"> contained in an <a>. 

これらのすべてがうまくいかない場合は、ドキュメントの構造が正しいかどうかを確認したい場合があります。

XPathはコメント<!-- -->の中を覗いていないことに注意してください。 <a>が実際にコメント<!-- -->の中にある場合、最初に手動で文書を抽出する必要があります。

hrefs = [href for comment in tree.xpath('//comment()') 
       # find all comments 
       for href in lxml.html.fromstring(comment.text) 
       # parse content of comment as a new HTML file 
           .xpath('//a[i/@class="foobar"]/@href') 
           # read those hrefs. 
] 

Answer 2

あなたは、そのターゲット要素がHTMLコメントであることに注意すべきです。 <a>からのコメントとXPathのように"//a"のように単純に得ることはできません。この場合はノードではなく、単純な文字列です。コードの下

試してみてください。

import re 

foo_links = tree.xpath('//comment()') # get list of all comments on page 
for link in foo_links: 
    if '<i class="foobar">' in link.text: 
     href = re.search('\w+://\w+.\w+', link.text).group(0) # get href value from required comment 
     break 

P.S.より複雑な正規表現を使用してリンクに一致させる必要があるかもしれません。URL