解析本地 HTML python (lxml)

Question

我正在尝试使用 lxml 解析本地 HTML，但出现错误，但我不知道为什么（对于错误的代码提前抱歉，我是新手这个）。

from lxml import etree, html
from StringIO import StringIO

parser = etree.HTMLParser()
doc = etree.parse(StringIO("test1.html"), parser)
tree = html.fromstring(doc)
CCE = tree.xpath('//div[@data-reactid]/div[@class="browse-summary"]/h1')
URL = tree.xpath('//a[@class="rc-OfferingCard"]/@href')

print 'CCE:', CCE
print 'URL:', URL

这是错误：

  File "test.py", line 8, in <module>
tree = html.fromstring(doc)
File "/usr/lib/python2.7/dist-packages/lxml/html/__init__.py", line 703, in fromstring
is_full_html = _looks_like_full_html_unicode(html)
TypeError: expected string or buffer

Answer 1

我觉得你需要

tree = etree.parse("text1.html", parser)

没有StringIO和fromstring

解析本地 HTML python (lxml)

Parse local HTML python (lxml)

python

lxml

html-xml-utils