XPath wybierz łącza graficzne - macierzysty link href z img src tylko jeśli istnieje, w przeciwnym razie wybierz img src link

Question

Wpadłem na nieco skomplikowany problem XPath. Rozważmy następujący kod HTML części strony internetowej (użyłem Imgur i zastępuje tekst):

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

raz pierwszy chcesz wyszukać wszystkie img znaczniki w dokumencie i znalezieniem odpowiadającego src es. Następnie chcę sprawdzić, czy link img src zawiera rozszerzenie pliku obrazu (.jpeg, .jpg, .gif, .png). Jeśli nie zawiera rozszerzenia obrazu, nie chwytaj go. W tym przypadku ma rozszerzenie obrazu. Teraz chcemy dowiedzieć się, który link chcemy pobrać. Ponieważ istnieje parent href, powinniśmy pobrać odpowiednie łącze.

pożądany rezultat: //i.imgur.com/ahreflink.jpg

Ale teraz powiedzmy parent href nie istnieje:

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

pożądany rezultat: //i.imgur.com/imgsrclink.jpg

Jak mogę iść o budowie tego XPath? Jeśli to pomaga, używam również Python (Scrapy) z XPath. Jeśli więc problem wymaga oddzielenia, można również użyć Pythona.

Answer 1

Jest to bardzo proste do zrobienia w jednym wyrażeniu XPath:

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

Answer 2

Nie musisz tego robić w pojedynczym wyrażeniu XPath. Oto Scrapy specyficzny realizacja pomijając sprawdzanie wewnętrzny obraz (sądząc po komentarzach, już zorientowali, że obecnie):

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)