如何使用 html.xpath 在 Python 上选择特定的 HTML 超文本标记答案

【问题标题】：How to select specific HTML hypertext markup on Python with html.xpath如何使用 html.xpath 在 Python 上选择特定的 HTML 超文本标记
【发布时间】：2020-12-18 03:04:49
【问题描述】：

在抓取网站内容时，我遇到了一个问题，促销价格被交叉并替换为另一个价格（使用<del> 和<ins> html 超文本标记）。

这里是我尝试使用的那一点的 HTML 源代码：

<span class="price"><del>
<span class="woocommerce-Price-amount amount">
<bdi>49,00&nbsp;<span class="woocommerce-Price-currencySymbol">MAD</span>
</bdi></span></del> 
<ins><span class="woocommerce-Price-amount amount"><bdi>35,00&nbsp;<span class="woocommerce-Price-currencySymbol">MAD</span></bdi></span></ins></span>

我正在尝试仅选择 <ins> 中的部分。

到目前为止，我已使用此代码提取价格，但它不区分交叉价格和实际价格。

sourceCode.xpath('//span[@class="price"]/descendant::node()/text()')

我不知道如何只选择<ins> 部分。

【问题讨论】：

标签： python html xpath web-scraping

【解决方案1】：

在提取价格值之前，我们实际上遵循<del> 的含义概念和remove del elements 怎么样：

In [1]: from lxml import html

In [2]: data = """<span class="price"><del>
   ...: <span class="woocommerce-Price-amount amount">
   ...: <bdi>49,00&nbsp;<span class="woocommerce-Price-currencySymbol">MAD</span>
   ...: </bdi></span></del> 
   ...: <ins><span class="woocommerce-Price-amount amount"><bdi>35,00&nbsp;<span class="woocommerce-Price-currencySymbol">MAD</span></bdi></span></ins></span>"""

In [3]: root = html.fromstring(data)

In [4]: for del_element in root.xpath('//span[@class="price"]//del'): 
            del_element.getparent().remove(del_element)

In [5]: root.xpath('//span[@class="price"]/descendant::node()/text()')
Out[5]: ['35,00\xa0', 'MAD']

我认为这可能比尝试编写 XPath 表达式来处理既有旧价格又有新价格或只有一个价格的情况更好。

【讨论】：