lxml find

with id='post-[0-9]*' [重复]

我试图找到所有 id 以“post-{这里有很多数字}”开头的 div 标签 我尝试过这样的事情：

tree.xpath("//div[starts-with(@id,'post-[0-9]')]")

但并没有真正起作用。有没有办法在 python 中不导入正则表达式来做到这一点？

XPath 1.0 http://www.w3.org/TR/xpath不支持正则表达式，即函数starts-with不支持正则表达式。

Lxml 不支持 XPath 2.0。您有以下三个选择：

• 切换到能够处理 XPath 2.0 的处理器。然后您可以使用fn:匹配() http://www.w3.org/TR/xpath-functions/#func-matches功能。

• 使用 XPath 1.0 兼容的解决方案。这相当丑陋，但它有效，并且在某些情况下可能是最简单的解决方案。然而，这不是一个通用的解决方案！它将替换中的数字@id with a -并与之匹配。所以如果原来的id是这样的post--。使用您知道不会出现在该位置的字符。

tree.xpath("//div[starts-with(translate(@id, '0123456789', '----------'), 'post--')]")
  

• lxml 支持EXSLT 命名空间 http://www.exslt.org/regexp/functions/test/index.html您可以从那里使用正则表达式函数。我认为这是最好的解决方案。

regexpNS = "http://exslt.org/regular-expressions"
r = tree.xpath("//div[re:test(@id, '^post-[0-9]')]", namespaces={'re': regexpNS})