CSS选择器

cssselect：

使用模式	标签
选择所有标签	*
选择<a>标签	a
选择所有class=”link”的元素	.link
选择class=”link”的<a>标签	a.link
选择id=”home”的<a>标签	a#home
选择父元素为<a>标签的所有<span>子标签	a > span
选择<a>标签内部的所有<span>标签	a span
选择title属性为”Home”的所有<a>标签	a[title=Home]

---

注：标签<a>的markdown语法：

标签	markdown语法
<	&lt；
>	&gt；

---

安装模块	命令
lxml	pip install lxml
cssselect	pip install cssselect

---

语法

1.class带空格时使用.(点)连接，例如：

html = '<div class="page box"><a href="/index/view/">1</a></div>'
tree = lxml.html.fromstring(html)
print tree.cssselect('div.page.box > a')[0].get('href')

输出：

/index/view/

---

2.css选择器的方法，先看个例子：

# -*- coding: UTF-8 -*-
import lxml.html

html = '<span class="info" title="This is title"><span>first </span><span>second</span></span>'

tree = lxml.html.fromstring(html)
L = tree.cssselect('span.info')
a = tree.cssselect('span.info')[0]
b = tree.cssselect('span.info')[0].text_content()
c1 = tree.cssselect('span.info > span')[0].text_content()
c2 = tree.cssselect('span.info > span')[1].text_content()
d = tree.cssselect('span.info')[0].get('title')
print L, type(L)
print a, type(a)
print b, type(b)
print c1, type(c1)
print c2, type(c2)
print d, type(d)

输出：

[<Element span at 0x102fdf520>] <type 'list'>
<Element span at 0x102fdf520>   <class 'lxml.html.HtmlElement'>
first second                    <class 'lxml.etree._ElementStringResult'>
first                           <class 'lxml.etree._ElementStringResult'>
second                          <class 'lxml.etree._ElementStringResult'>
This is title                   <type 'str'>

注：输出没有做格式化对齐，这里排版是为了方便对比。

可以看出：

• L是个列表，a是列表中的元素，类型为<class 'lxml.html.HtmlElement'>，目前知道可以调用的方法有text_content()、get('title')、get('href')；

• 从b可以看出，不具体到子标签可以得到父标签下所有子标签的文本；

• 从c1, c2可以看出，具体到子标签可以得到相应子标签的文本，分别通过list编号获取。