使用 Python 检索 img src 属性的 xpath 语法有问题

Question

我一直在尝试找出解析此 html 的 xpath 语法，但我没有得到与其他人相同的结果。之后我一直在为我的工作建模，http://docs.python-guide.org/en/latest/scenarios/scrape/#web-scraping，但我无法让它为我的 html 工作。

<div id="sku-8103">
    <!-- B:649 -->
    <input type="hidden" id="productIdPDP" value="1218866963585"/>
    <input type="hidden" id="skuIdPDP" value="8240103" />
    <input type="hidden" id="enableLightbox" value="" />
    <!-- B:780 -->
    <img src="http://images.bestbuy.com/BestBuy_US/en_US/images/global/buttons/btn_notorderable_pdp.gif" alt="Not Orderable" border="0" id="notorderable" />
    <input name="8240103" type="hidden" value="1">
    <!-- E:780 -->
    <!-- E:649 -->
    </div>

我的代码：

import pycurl
import sys
import cStringIO
from lxml import etree
from lxml import html

buf = cStringIO.StringIO()

c = pycurl.Curl()
c.setopt(c.URL, 'http://www.bestbuy.com/site/sony-playstation-4-500gb/8240103.p?id=1218866963585&skuId=8240103')
c.setopt(c.WRITEFUNCTION, buf.write)
c.perform()

data = buf.getvalue()
buf.close()

tree = html.fromstring(data)


product = tree.xpath('//div[@id="sku-8240103"]/img[@src]')
print product

输出是：[]，而不是图像的 src 值。我也试过了：

product = tree.xpath('//div[@id="sku-8240103"]/img[@src]/text()')

但这似乎也不起作用。

Answer 1

你的 HTML 有这个：

<div id="sku-8103">

你正在用这个搜索：

product = tree.xpath('//div[@id="sku-8240103"]/img[@src]')

注意到不同的 SKU 编号了吗？没有匹配的节点，因此您会返回空列表[]。

如果你像这样改变它：

product = tree.xpath('//div[@id="sku-8103"]/img[@src]')

您现在得到一个单元素列表，如下所示：

[<Element img at 0x10c85b890>]

如果你这样做：

print product[0].attrib['src']

……你明白了：

http://images.bestbuy.com/BestBuy_US/en_US/images/global/buttons/btn_notorderable_pdp.gif

真的，您不需要那里的[@src] 部分；如果您尝试将其限制为具有src 属性的imgs……您还希望看到什么其他imgs？