如何基于同级标记的值从lxml.etree标记中提取文本

Question

我的目标是从xml文档（链接）中提取URL并将其放在列表中： https : //www.valuespreadsheet.com/iedgar/results.php? stock=NFLX&output=xml

我从lxml导入etree并创建了一个列表etree ，该列表etree从所有<instanceUrl>标记中提取文本。

url = 'https://valuespreadsheet.com/iedgar/results.php?stock=NFLX&output=xml' 
et = etree.fromstring(urlopen(url).read())
return [_.find('instanceUrl').text for _ in et.find('filings')]

现在，我想限制列表，以便仅从<instanceUrl>标记中提取文本，其中<formType> = 10K。

我该如何实现？

Answer 1

您需要一个XPath表达式和xpath()方法 ：

[url.text for url in et.xpath('//filing[formType = "10-K"]/instanceUrl')]

在这里，我们正在过滤包含带有10-K文本的formType子节点的filing节点，然后获取instanceUrl子节点。

请注意， _变量名用于一次性变量 -必须定义但未实际使用的变量（例如，在解压缩过程中）。 就您而言，您实际上已经使用过它。