從xpath去除信息？

我用下面的代碼行從網頁抓取CVE ID的：從xpath去除信息？

project.cve_information = "".join(xpath_parse(tree, '//div[@id="references"]/a/text()')).split()

但是，問題是：

  <div id='references'> 
      <b>References:</b> 
      <a href='https://access.redhat.com/security/cve/CVE-2011-3256' target='_blank'>CVE-2011-3256&nbsp;<i class='icon-external-link'></i></a> 
      <a href='https://rhn.redhat.com/errata/RHSA-2011-1402.html' target='_blank'>RHSA-2011-1402&nbsp;<i class='icon-external-link'></i></a><br /> 
     </div>

參考：CVE-XXXX-XXXX RHSA-XXXX-XXXX

如何避免RHSA和這些條目被解析？我只想要CVE-xxxx-xxxx值。我用它來提交表單是這樣的：因爲我的代碼往往包括RHSA值

  "form[CVEID]" : ",".join(self.cve_information) if self.cve_information else "GENERIC-MAP-NOMATCH",

這種形式只執行對CVE值和錯誤的驗證了。

來源

2016-05-06 Metahuman

您可以使用包含：

h = """ <div id='references'> 
      <b>References:</b> 
      <a href='https://access.redhat.com/security/cve/CVE-2011-3256' target='_blank'>CVE-2011-3256&nbsp;<i class='icon-external-link'></i></a> 
      <a href='https://rhn.redhat.com/errata/RHSA-2011-1402.html' target='_blank'>RHSA-2011-1402&nbsp;<i class='icon-external-link'></i></a><br /> 
     </div>""" 

from lxml import html 

xml = html.fromstring(h) 

urls = xml.xpath('//div[@id="references"]/a[contains(@href, "CVE")]/@href')

或者，如果你想忽略與RHSA的HREF中，你可以使用不包含：

urls = xml.xpath('//div[@id="references"]/a[not(contains(@href, "RHSA"))]/@href')

兩個會給你：

['https://access.redhat.com/security/cve/CVE-2011-3256']

來源

2016-05-06 17:57:52

恩，我想我沒有正確解釋我的問題。我正在使用xpath表達式來解析「引用」字段。然後，我在其他地方使用「CVE-xxxx-xxxx」ID，以便它可以是https://web.nvd.nist.gov/view/vuln/detail?vulnId=CVE-xxxx-xxxx。使用目前的解決方案，我得到 - 警告：無法找到有關CVE的信息CVE-2011-3256 - CVE-2011-3256 – Metahuman

的額外「CVE」您想要CVE-2011-3256嗎？如果它們總是在'/'末尾並且提取，如果它們可以在任何地方，那麼你需要一個正則表達式或者分割並且使用str.strartswith來找到你想要的子字符串 –

把xpath從'/ @ href '到'/ text（）' –

回答

相關問題