如何使用lxml通过文本查找元素？答案

【问题标题】：How to use lxml to find an element by text?如何使用lxml通过文本查找元素？
【发布时间】：2012-12-27 07:44:56
【问题描述】：

假设我们有以下html：

<html>
    <body>
        <a href="/1234.html">TEXT A</a>
        <a href="/3243.html">TEXT B</a>
        <a href="/7445.html">TEXT C</a>
    <body>
</html>

如何让它找到包含“TEXT A”的元素“a”？

到目前为止，我得到了：

root = lxml.html.document_fromstring(the_html_above)
e = root.find('.//a')

我试过了：

e = root.find('.//a[@text="TEXT A"]')

但这不起作用，因为“a”标签没有属性“text”。

有什么方法可以以与我尝试过的方法类似的方式解决这个问题？

【问题讨论】：

你试过:contains吗？
参考unutbu的回答

标签： python html lxml

【解决方案1】：

你很亲密。使用text()= 而不是@text（表示属性）。

e = root.xpath('.//a[text()="TEXT A"]')

或者，如果你只知道文本包含“TEXT A”，

e = root.xpath('.//a[contains(text(),"TEXT A")]')

或者，如果您只知道文本以“TEXT A”开头，

e = root.xpath('.//a[starts-with(text(),"TEXT A")]')

有关可用字符串函数的更多信息，请参阅the docs。

例如，

import lxml.html as LH

text = '''\
<html>
    <body>
        <a href="/1234.html">TEXT A</a>
        <a href="/3243.html">TEXT B</a>
        <a href="/7445.html">TEXT C</a>
    <body>
</html>'''

root = LH.fromstring(text)
e = root.xpath('.//a[text()="TEXT A"]')
print(e)

产量

[<Element a at 0xb746d2cc>]

【讨论】：

这给了我 SyntaxError: invalid predicate。
对。 find/findAll 是简化的方法，不允许使用各种 XPath。对于当前版本的 lxml，xpath 接受 XPath 版本 1.0。
糟糕，刚刚删除了您发布之前的评论。我在我的代码中替换了 find 和 findAll 并且它可以工作。再次感谢你:)
我得到 [] 但是当我尝试获取文本时出现此错误 UnicodeDecodeError: 'utf-8' codec can't decode byte 0x96 in position 82: invalid start字节请帮助
谢谢。我使用的是root.find(… 而不是root.xpath(…。

【解决方案2】：

另一种对我来说看起来更直接的方式：

results = []
root = lxml.hmtl.fromstring(the_html_above)
for tag in root.iter():
    if "TEXT A" in tag.text
        results.append(tag)

【讨论】：

如果您正在寻找确切的文本，当然还有tag.text == "TEXT A"