Skip to main content
 首页 » 编程设计

python之如何以优雅的方式递归解析 LXML

2024年10月24日13落叶

例如,考虑以下 HTML:

<div class="class1"> 
  <div id="element1"> 
    text1 
  </div> 
  <div id="element2"> 
    text2 
  </div> 
  <div id="element3"> 
    text3 
  </div> 
</div>    

我想要实现的是解析不同的元素,哪些属性是已知的。

我现在的做法:

index = len(tree.xpath('//div[@class="class1"]') 
for i in range(0, index): 
    print tree.xpath('//div[@class="class1"][i]/text()') 

但是当涉及到更长的 xpath 时,它会变得有点困惑。 还有其他方法吗?

编辑-

例如,

first_elem = tree.xpath('//div[@class="class1"]')[0]

是否可以这样做:

first_elem.xpath()在 <div id="element1"> 中搜索?

编辑-

在 lxml 中找到了执行此操作的奇怪方法:

for i in tree.xpath('//div[@class="class1"]'): 
    str1 = html.tostring(i) 
    tree = html.fromstring(str1) 
    < do things here > 

请您参考如下方法:

您的 xpath 似乎是错误的,当您这样做时 -

tree.xpath('//div[@class="class1"][i]/text()') 

i 不会自动在内部被替换。在任何情况下,你都不需要做你正在做的事情,tree.xpath 会返回所有匹配元素的列表,你可以简单地使用你想要的 xpath(即使它会导致不止一个element) ,然后遍历结果并打印出来。示例(或您正在尝试执行的操作)-

for i in tree.xpath('//div[@class="class1"]/div/text()'): 
    print i 

这应该打印主 div 中每个 div 内的文本,属性 class 为 class1。


你甚至不需要它,如果你知道一种唯一标识元素的方法(使用属性/索引等),你可以直接使用它,例如,获取 element1 的文本, 使用 -

for i in tree.xpath('//div[@id="element1"]/text()'): 
    print i 

此外,您的 xml 似乎有很多不需要的换行符和空格,您可以通过调用 i.strip() 去除它们。