XPath選擇圖像鏈接 - 僅當img src的父級href鏈接存在時，否則選擇img src鏈接

我遇到了一個有點複雜的XPath問題。考慮的網頁（我使用Imgur和更換一些文字）的一部分，此HTML：XPath選擇圖像鏈接 - 僅當img src的父級href鏈接存在時，否則選擇img src鏈接

<a href="//i.imgur.com/ahreflink.jpg" class="zoom"> 
    <img class="post-image-placeholder" src="//i.imgur.com/imgsrclink.jpg"> 
    </img> 
</a>

我首先要搜索的文件中，並找到其對應的src ES所有img標籤。接下來，我要檢查img src鏈接是否包含圖像文件擴展名（.jpeg，.jpg，.gif，.png）。如果它不包含圖片擴展名，請不要抓住它。在這種情況下，它有一個圖像擴展名。現在我們要弄清楚我們想要抓取哪個鏈接。由於parent href存在，我們應該抓住相應的鏈接。

所需的結果：//i.imgur.com/ahreflink.jpg

但是，現在讓我們假設parent href不存在：

<a name="missing! oh no!"> 
    <img class="post-image-placeholder" src="//i.imgur.com/imgsrclink.jpg"> 
    </img> 
</a>

所需的結果：//i.imgur.com/imgsrclink.jpg

如何去構建這個XPath？如果它有幫助，我也使用Python（Scrapy）和XPath。所以如果問題需要分離出來，Python也可以使用。

來源

2016-06-24 dtgee

你到目前爲止嘗試過什麼嗎？ –

我只得到了檢查鏈接圖像擴展的部分，但卻對如何選擇要抓取的鏈接感到困惑。 – dtgee

您是否想完全使用XPath來獲得結果，或者您是否使用了腳本語言，您可以使用某些邏輯來實現？ –

這是一個XPath表達式很簡單的事：

//a[not(@href)]/img/@src | //a[img]/@href

來源

2016-06-24 03:40:12 o11c

哇，我從來沒有想過優先img src（與不），因爲從邏輯上講，我們首先優先href。看起來像一個有前途的解決方案，但我必須先測試它。 – dtgee

@dtgee沒有優先級，只有過濾器。 – o11c

您不必在單個XPath表達式中執行此操作。這裏是一個Scrapy具體實施省略，圖像擴展檢查（通過評論來看，你已經想通了這一點）：

images = response.xpath("//a/img") 
for image in images: 
    a_link = image.xpath("../@href").extract_first() 
    image_link = image.xpath("@src").extract_first() 

    print(a_link or image_link)

來源

2016-06-24 03:32:19 alecxe

啊，謝謝。我想我陷入了一種恍惚狀態，因爲我不得不使用XPath來選擇一切。我會從這個錯誤中學習！ – dtgee

@dtgee你可能*做*想在xpath中完成它，以保持C而不是Python的繁重工作。 – o11c

是。使用Python使得代碼更具可讀性，但我想使用XPath並添加一些註釋可以達到同樣的目的。 – dtgee

XPath選擇圖像鏈接 - 僅當img src的父級href鏈接存在時，否則選擇img src鏈接

回答

相關問題