使用Python检索img src属性的xpath语法有问题

Question

我一直试图找出解析这个html的xpath语法，但我没有得到与其他人相同的结果。 我之后一直在为我的工作建模， http：//docs.python-guide.org/en/latest/scenarios/scrape/#web-scraping ，但我不能让它为我的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

输出为： []而不是图像的src值。 我也尝试过：

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

但这似乎也没有用。

Answer 1

你的HTML有这个：

<div id="sku-8103">

你正在搜索：

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

注意不同的SKU号码？ 没有匹配的节点，因此您返回空列表[] 。

如果你改变它：

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

你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']

你得到这个：

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

真的，你不需要那里的[@src]部分; 如果您正在试图限制它img S作一个src属性...还有什么其他img你希望请参阅s？