python之BeautifulSoup 用户的 html5lib/lxml 示例

我正试图让自己摆脱 BeautifulSoup，我喜欢它但似乎(积极地)不受支持。我正在尝试使用 html5lib 和 lxml，但我似乎无法弄清楚如何使用“find”和“findall”运算符。

通过查看 html5lib 的文档，我想出了一个测试程序:

import cStringIO 
 
f = cStringIO.StringIO() 
f.write(""" 
  <html> 
    <body> 
      <table> 
       <tr> 
          <td>one</td> 
          <td>1</td> 
       </tr> 
       <tr> 
          <td>two</td> 
          <td>2</td 
       </tr> 
      </table> 
    </body> 
  </html> 
  """) 
f.seek(0) 
 
import html5lib 
from html5lib import treebuilders 
from lxml import etree  # why? 
 
parser = html5lib.HTMLParser(tree=treebuilders.getTreeBuilder("lxml")) 
etree_document = parser.parse(f) 
 
root = etree_document.getroot() 
 
root.find(".//tr") 

但这返回 None。我注意到如果我做 etree.tostring(root)我取回了所有数据，但我所有的标签都以 html 开头(例如 <html:table> )。但是root.find(".//html:tr")抛出 KeyError。

有人可以让我回到正确的轨道上吗？

请您参考如下方法:

您可以使用以下命令关闭 namespace : etree_document = html5lib.parse(t, treebuilder="lxml", namespaceHTMLElements=False)