lxml 解析中的命名空间参数

Question

我有一个要解析的 html 页面。这是我对 lxml 的处理：

node=etree.fromstring(html)
>>> node
<Element {http://www.w3.org/1999/xhtml}html at 0x110676a70>
>>> node.xpath('//body')
[]
>>> node.xpath('body')
[]

不幸的是，我所有的 xpath 调用现在都返回一个空列表。为什么会发生这种情况，我该如何解决这个问题？

Answer 1

这里可以添加命名空间，如下：

>>> node.xpath('//xmlns:tr', namespaces={'xmlns':'http://www.w3.org/1999/xhtml'})
[<Element {http://www.w3.org/1999/xhtml}tr at 0x11067b6c8>, <Element {http://www.w3.org/1999/xhtml}tr at 0x11067b710>]

更好的方法是使用 lxml's html 解析器：

>>> node=lxml.html.fromstring(html)
>>> node.findall('body')
[<Element body at 0x1106b8f18>]

Answer 2

查询时需要使用命名空间前缀。喜欢

node.xpath('//html:body', namespaces={'html': 'http://...'})

或者您可以使用 .nsmap

node.xpath('//html:body', namespaces=node.nsmap)

这假设所有命名空间都在 node 指向的标记上定义。这通常适用于大多数 xml 文档。

lxml 解析中的命名空间参数

Namespace argument in lxml parsing

python

lxml