Lxml cssselect 通配符答案

【问题标题】：Lxml cssselect wildcardLxml cssselect 通配符
【发布时间】：2011-08-01 05:54:29
【问题描述】：

如何使用 cssselect 获取所有通配符元素？

例如：

content = """
<table>
<tr id='Awesome1234'><a href="link1"></a></tr>
<tr id='Awesome5678'><a href="link2"></a></tr>
</table>
"""
doc = lxml.html.fromstring(html)
links = lxml.cssselection('tr.Awesome* a')
for link in links:
    print link.get('href')

我希望它输出：

 link1
 link2

这可以通过 cssselect 实现吗？如果没有，我怎么能得到这个？ (xpath?)

【问题讨论】：

好问题，+1。有关完整且简短的单行 XPath 解决方案，请参阅我的答案。 :)

标签： html xpath screen-scraping lxml

【解决方案1】：

^= 比较运算符似乎适合您：

tr[id^=Awesome] a

【讨论】：

【解决方案2】：

使用以下 XPath 表达式（不需要 css）：

tr[starts-with(@id, 'Awesome')]

此 XPath 表达式选择上下文节点的所有 tr 子节点，这些子节点具有 id 属性，其字符串值以字符串 'Awsome' 开头。

【讨论】：

在匹配字符串中使用括号会给我 SelectorSyntaxError: Operator expected, got \
@Amalgovinus，这意味着您已经以某种方式将 XPath 表达式提供给 CSS。 XPath 表达式必须由 XPath 引擎处理——在本例中很可能由 JavaScript 中可用的引擎处理。这个问题被标记为“xpath”——因此是 XPath 解决方案:) 请注意，OP 正在询问（在问题的末尾）XPath 解决方案。
是的，我正在将 XPath 垃圾传递给 css 函数——它倒退了。谢谢