使用lxml.cssselector查找内联样式

Question

我刚接触这个库（其实对BeautifulSoup也不太熟悉，真遗憾），想做一件很简单的事情（通过内联样式搜索）：

<td style="padding: 20px">blah blah </td>

我只想选择所有样式为"padding: 20px"的，但我似乎搞不定。所有的例子都在展示如何选择，比如：

for col in page.cssselect('td'):

但这对我帮助不大。

Answer 1

如果你更喜欢使用CSS选择器：

import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for td in doc.cssselect('td[style="padding: 20px"]'):
   print td.text

Answer 2

其实，有个更好的方法：XPath。

import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for col in doc.xpath("//td[@style='padding: 20px']"):
    print col.text

这个方法更简洁，而且速度也更快。

Answer 3

请注意，下面的回答中，Ruslan Spivak 和 nosklo 提供了更好的解答。

---

import lxml.html
data = """<td style="padding: 20px">blah blah </td>
<td style="padding: 21px">bow bow</td>
<td style="padding: 20px">buh buh</td>
"""
doc = lxml.html.document_fromstring(data)
for col in doc.cssselect('td'):
    style = col.attrib['style']
    if style=='padding: 20px':
        print(col.text.strip())

打印

blah blah
buh buh

并且成功跳过了 bow bow。