在 Python 中使用 lxml 获取 <img> 的标题属性

Question

我想使用 Python 从this 网站中提取 one-iner-texts。 HTML 中的消息如下所示：

<div class="olh_message"> 
    <p>foobarbaz <img src="/static/emoticons/support-our-fruits.gif" title=":necta:" /></p> 
</div> 

到目前为止，我的代码如下所示：

import lxml.html
url = "http://www.scenemusic.net/demovibes/oneliner/"
xpath = "//div[@class='olh_message']/p"
tree = lxml.html.parse(url)
texts = tree.xpath(xpath)
texts = [text.text_content() for text in texts]
print(texts)

然而，现在我只得到foobarbaz，但我也想在其中得到img的标题参数，所以在这个例子中foobarbaz :necta:。看来我需要 lxml 的 DOM 解析器来做到这一点，但我不知道怎么做。谁能给我一个提示？

提前致谢！

Answer 1

试试这个

  import lxml.html
  url = "http://www.scenemusic.net/demovibes/oneliner/"
  parser = lxml.etree.HTMLParser()
  tree = lxml.etree.parse(url, parser)
  texts = tree.xpath("//div[@class='olh_message']/p/img/@title")

Answer 2

使用：

//div[@class='olh_message']/p/node()

他选择任何p 元素的所有子节点（元素、文本节点、PI 和评论节点），该元素是任何div 元素的子节点，其class 属性为'olh_message'。

使用 XSLT 作为 XPath 的宿主进行验证：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>
 <xsl:strip-space elements="*"/>

 <xsl:template match="/">
     <xsl:copy-of select="//div[@class='olh_message']/p/node()"/>
 </xsl:template>
</xsl:stylesheet>

当此转换应用于以下 XML 文档时：

<div class="olh_message">
    <p>foobarbaz 
        <img src="/static/emoticons/support-our-fruits.gif" title=":necta:" />
    </p>
</div>

产生了想要的、正确的结果（表明 XPath 表达式已经准确地选择了想要的节点）：

foobarbaz 
        <img src="/static/emoticons/support-our-fruits.gif" title=":necta:"/>