如何从页面中获取特殊的url？

Question

我想从像http://openinnovation.cn/node/****这样的urls中从此页获得地址

这里有一个片段：

<div class="views-row views-row-2 views-row-even"> 
    <span class="views-field views-field-title"> 
        <span class="field-content">
            <a href="http://simile.mit.edu/wiki/Babel" target="_blank">babel</a>
        </span>
    </span>  
    <span class="views-field views-field-nothing"> 
        <span class="field-content"><a href="http://openinnovation.cn/node/9506">详细信息</a>
        </span> 
    </span>
</div>

我想要的是这个字符串"http://openinnovation.cn/node/9506“

我尝试过几种方法，但都失败了，其中一种方法是失败的。我是个新手，只知道如何选择类、ids和其他我靠在codecademy身上的东西。

infoURL = page_html.cssselect(".views-field views-field-nothing, .field-content, a.attrib['href']")

以下是相关的功能：

def main():
    for j in range(58,64):
        listURL = 'http://www.openinnovation.cn/opentools/function/'+str(j)
        listPage = urllib.urlopen(listURL)
        listhtml = listPage.read()
        page_html = lxml.html.fromstring(listhtml)
        # get the information page url from the list page:
        #infoURL = page_html.cssselect("a.ttrib['href']")

        infoURL = page_html.cssselect(".views-field views-field-nothing, .field-content, a.attrib['href']")
        for e in infoURL:
            print e

非常感谢！

Answer 1

取决于您希望选择的节点的具体程度，您可以使用

.views-row > span:nth-of-type(2) a

若要选择第二个跨度中的链接，请执行以下操作

a[href*='//openinnovation.cn/node/']

若要选择其href属性中包含特定字符串的所有链接，请执行以下操作。这使用了attribute*='string'属性选择器，您可以阅读有关这里的更多信息。CSS没有XPath强大，所以您不能直接选择href属性。您必须使用lxml API显式地从e获取属性：

infoURLs = page_html.cssselect("a[href*='//openinnovation.cn/node/']")
for urlNode in infoURLs:
    print urlNode.get("href")