有没有办法在HTML文件中找到一个字符串并返回其XPath？

Question

我正在尝试在刮刀中进行逆向工程以生成模型来提取数据。

所以，我知道页面的标题，我想在HTML代码中查找它，然后将XPath或CSS选择器返回到此位置。

我在我的项目中使用Scrapy，但是，对于这种逆向工程，我认为也许Beautiful Soup 4结合lxml解析器也可以帮助我。我还没有找到任何关于它的文档。

有谁知道有没有办法做到这一点？

Answer 1

如果您实际使用的是lxml，则可以使用getpath() ...

from lxml import etree

xml = """
<doc>
    <one>
        <two>
            <test>foo</test>
        </two>
        <two>
            <test>bar</test>
        </two>
    </one>
</doc>
"""

tree = etree.fromstring(xml)

for match in tree.xpath("//*[contains(text(),'bar')]"):
    print(etree.ElementTree(tree).getpath(match))

这打印：

/doc/one/two[2]/test