XPath görüntü bağlantılarını seç - img src'nin yalnızca varsa href bağlantısı, başka bir deyişle img src bağlantısını seç

Question

Biraz karmaşık bir XPath sorununa rastladım. Bir web sayfasında (I Imgur kullanılan ve bazı metin değiştirildi) bir kısmının bu HTML düşünün:

<a href="//i.imgur.com/ahreflink.jpg" class="zoom"> 
    <img class="post-image-placeholder" src="//i.imgur.com/imgsrclink.jpg"> 
    </img> 
</a> 

Ben her şeyden önce img etiketleri belgede ve onların src es tekabül bulma aramak istiyorum. Ardından, img src bağlantısının bir görüntü dosyası uzantısı (.jpeg, .jpg, .gif, .png) içerip içermediğini kontrol etmek istiyorum. Bir resim uzantısı içermiyorsa, kapma. Bu durumda bir görüntü uzantısı var. Şimdi kapmak istediğimiz bağlantıyı bulmak istiyoruz. parent href bulunduğundan, ilgili linki almalıyız.

Sonucu İstenilen: //i.imgur.com/ahreflink.jpg

Ama şimdi en parent href yok diyelim:

<a name="missing! oh no!"> 
    <img class="post-image-placeholder" src="//i.imgur.com/imgsrclink.jpg"> 
    </img> 
</a> 

İstenilen Sonucu: Bu XPath oluşturma hakkında gitmek nasıl //i.imgur.com/imgsrclink.jpg

? Eğer yardımcı olursa, ben de XPath ile Python (Scrapy) kullanıyorum. Yani problemin ayrılması gerekiyorsa, Python da kullanılabilir.

Answer 1

Bu, tek xpath ifadede yapmak çok basittir:

//a[not(@href)]/img/@src | //a[img]/@href 

Answer 2

Tek bir XPath ifadesinde yapmanıza gerek yoktur. İşte görüntü uzatma çek atlayarak bir scrapy belirli uygulamasıdır (yorum bakılırsa, zaten anladım ettik):

images = response.xpath("//a/img") 
for image in images: 
    a_link = image.xpath("../@href").extract_first() 
    image_link = image.xpath("@src").extract_first() 

    print(a_link or image_link)