我正在使用 lxml 和 python 来抓取页面。该页面的链接是 HERE 。我现在面临的问题是如何获取标签中的属性。例如页面顶部的 3 颗金星，它们有一个 html
<abbr title="3" class="average rating large star3">★★★☆☆</abbr>
这里我想获取标题，以便我知道这个位置获得了多少颗星。
我已经尝试过做一些事情，包括:
response = urllib.urlopen('http://www.insiderpages.com/b/3721895833/central-kia-of-irving-irving').read()
mo = re.search(r'<div class="rating_box">.*?</div>', response)
div = html.fromstring(mo.group(0))
title = div.find("abbr").attrib["title"]
print title
但对我不起作用。帮助将不胜感激。
请您参考如下方法:
Don't use regex to extract data from html.你有 lxml，使用它的力量 ( XPath )。
>>> import lxml.html as html
>>> page = html.parse("http://www.insiderpages.com/b/3721895833/central-kia-of-irving-irving")
>>> print page.xpath("//div[@class='rating_box']/abbr/@title")
['3']
