报废：如何获取<abbr>标记中的属性

Question

我正在使用lxml和python来浏览页面。该页面的链接是HERE。我现在面临的问题是如何获取标记中的属性。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>

在这里，我想取回这个名字，这样我就知道这个地方有多少颗星星。在

我试过做几件事，包括：

^{pr2}$

但对我不管用。如有帮助，不胜感激。在

Answer 1

你试过xpath吗？在

In [38]: from lxml import etree

In [39]: import urllib2

In [40]: html = etree.fromstring(urllib2.urlopen('http://www.insiderpages.com/b/3721895833/central-kia-of-irving-irving').read(), parser)

In [41]: html.xpath('//abbr')[0].xpath('./@title')
Out[41]: ['3']

Answer 2

Don't use regex to extract data from html.你有lxml，使用它的幂（XPath）。在

>>> 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']