如何在 html 上使用 lxml 获取属性值

Question

我有一些 HTML 想要使用 Python 与 lxml 一起解析。页面上有许多元素，每个元素代表一张海报。我想获取每个张贴者的 ID，这样我就可以从张贴者的页面上抓取一条信息。目前海报的id存储在id属性中，所以我想用lxml来获取那个属性的值。

例如：

<div onclick="showDetail(9202)">               
    <div class="maincard narrower Poster" id="maincard_9202"> </div>
</div>

我想从 id 属性中获取 "maincard_9202"，这样我就可以使用正则表达式获取 9202。从那里，我可以使用这个值直接进入海报页面，因为我知道 url 重定向模式来自

https://nips.cc/Conferences/2017/Schedule?type=Poster（当前页面）到 https://nips.cc/Conferences/2017/Schedule?showEvent=9202（海报页）

我正在尝试使用以下代码：

from lxml import html
import requests
page = requests.get('https://nips.cc/Conferences/2017/Schedule?type=Poster')
tree = html.fromstring(page.content)
paper_numbers = tree.xpath('//div[@onclick]/id/')

但是这个 returns 是一个空列表。

在这种情况下如何获取属性值？

Answer 1

paper_numbers = tree.xpath('//div[@onclick]/div/@id')
print(paper_numbers)

会给你

['maincard_9202']

它选择具有 onclick 属性的 div 中所有 div 的 id 属性...

如何在 html 上使用 lxml 获取属性值

How to get an attribute value with lxml on html

html

python

lxml