如何从页面中获取特殊的url？

Question

我想从this page的http://openinnovation.cn/node/****这样的URL获取地址：

下面是一个片段：

<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”

我试过几种方法，但都失败了，这是其中一种。我是一个新手，只知道如何选择类，ID和其他我从codecademy学习。你知道吗

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

以下是相关功能：

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！你知道吗

Answer 1

取决于选择节点的具体程度，您可以使用

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

选择第二个跨距中的链接或

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

选择在其href属性中包含特定字符串的所有链接。这将使用attribute*='string'属性选择器，您可以阅读有关here的更多信息。CSS没有XPath强大，因此不能直接选择href属性。必须使用lxml API从e显式获取属性：

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