lxml中属性和样式标签的区别答案

【问题标题】：Difference between attributes and style tags in lxmllxml中属性和样式标签的区别
【发布时间】：2009-09-29 03:41:44
【问题描述】：

在使用 BeautifulSoup 之后，我正在尝试学习 lxml。但是，总的来说，我不是一个强大的程序员。

我在一些源代码 html 中有以下代码：

<p style="font-family:times;text-align:justify"><font size="2"><b><i> The reasons to eat pickles include:  </i></b></font></p>

因为文本是粗体的，所以我想拉出该文本。我似乎无法区分该特定行是粗体的。

当我今晚开始这项工作时，我正在处理一个在样式属性中包含粗体字的文档，如下所示：

<p style="font-style:italic;font-weight:bold;margin:0pt 0pt 6.0pt;text-indent:0pt;"><b><i><font size="2" face="Times New Roman" style="font-size:10.0pt;">The reason I like tomatoes include:</font></i></b></p>

我应该说我正在处理的文档是我在行中阅读的一个片段，将这些行连接在一起，然后使用 html.fromstring 函数

txtFile=open(r'c:\myfile.htm','r').readlines()
strHTM=''.join(txtFile)
newHTM=html.fromstring(strHTM)

所以我上面的第一行 htm 代码是 newHTM[19]

嗯，这似乎让我更接近了

newHTM.cssselect('b')

我还没有完全理解，但这里是解决方案：

for each in newHTM:
    if each.cssselect('b')
        each.text_content()

【问题讨论】：

标签： python lxml

【解决方案1】：

使用 CSS API 确实不是正确的方法。如果要查找所有 b 元素，请执行

strHTM=open(r'c:\myfile.htm','r').read() # no need to split it into lines first
newHTM=html.fromString(strHTM)
bELements = newHTM.findall('b')
for b in bElements:
    print b.text_content()

【讨论】：

这是我开始的地方，但它不起作用。据我所知，这是因为 newHTM 是一个类，但现在我迷路了。我不知道为什么我决定在 newHTM 中对每一个都进行操作，但这是关键。
我错了，因为 newHTM 和 newHTM 中的 each 都是相同类型的对象，所以不是这样
好吧，我会编辑，但我不能 fromString sb fromstring 并且您的列表名称不同。但是当我在我的 htm 片段上运行此代码时，bElements 的长度为 0。