如何从中提取文本lxml.etree文件基于同级标记值的标记

Question

我的目标是从xml文档（链接）中提取URL并将其放入列表中： https://www.valuespreadsheet.com/iedgar/results.php?stock=NFLX&output=xml

我从lxml导入了etree，并创建了一个从所有<instanceUrl>标记中提取文本的列表理解。你知道吗

url = 'https://valuespreadsheet.com/iedgar/results.php?stock=NFLX&output=xml' 
et = etree.fromstring(urlopen(url).read())
return [_.find('instanceUrl').text for _ in et.find('filings')]

现在，我想限制列表，以便它只从<instanceUrl>标记中提取文本，其中<formType>=10K

我怎样才能做到这一点？你知道吗

Answer 1

你需要一个XPath expression and the ^{} method：

[url.text for url in et.xpath('//filing[formType = "10-K"]/instanceUrl')]

这里我们用10-K文本过滤包含formType子节点的filing节点，然后得到instanceUrl子节点。你知道吗

请注意，_变量名用于丢弃变量-必须定义但未实际使用的变量（例如在解包期间）。在你的情况下，你实际上已经用过了。你知道吗