lxml是一个功能齐全的高性能Python库，用于处理XML和HTML。
在 Python 中逐行解析 XML 文件而不使用 SAX 的最佳方法是什么？ （`iterparse` 的行为出乎意料）
问题：在 Python 中逐行解析 XML 文件的最佳方法是什么？我似乎有一个解决方法，但想知道是否有比我的有点 hacky 更好、广为人知的解决方案
我正在处理一个在我尝试构建的刮刀中使用 lxml 的查询。 https://scraperwiki.com/scrapers/thisisscraper/ 我正在逐行完成教程 3，到目前为止已经完成了
如何使用 XML 模块在 Ansible 中删除 XML 文件中的某些节点？
我尝试从 activemq.xml 配置文件中删除一些节点。在此文件中，我想删除除 tcp 之外的所有连接。 我尝试从 activemq.xml 配置文件中删除一些节点。在这个文件中，我想删除除 tcp 之外的所有连接。 <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd"> ... <broker xmlns="http://activemq.apache.org/schema/core" brokerName="localhost" dataDirectory="${activemq.data}"> ... <transportConnectors> <!-- DOS protection, limit concurrent connections to 1000 and frame size to 100MB --> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="amqp" uri="amqp://0.0.0.0:5672?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="stomp" uri="stomp://0.0.0.0:61613?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="mqtt" uri="mqtt://0.0.0.0:1883?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="ws" uri="ws://0.0.0.0:61614?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> </transportConnectors> ... </broker> </beans> 我使用 Ansible community.general.xml 模块 - name: Désactiver les autres protocoles de publication de message xml: path: /mypath/activemq-modif.xml xpath: "/ns:beans/broker:broker/broker:transportConnectors/broker:transportConnector[@name!='openwire']/*" state: absent namespaces: ns: http://www.springframework.org/schema/beans broker: http://activemq.apache.org/schema/core 当我运行剧本时，没有错误，但文件没有改变。 如果我按照模块文档示例中的说明删除 /*，则会出现错误 fatal: [localhost]: FAILED! => {"changed": false, "msg": "Couldn't delete xpath target: /ns:beans/broker:broker/broker:transportConnectors/broker:transportConnector[@name!='openwire'] (module 'lxml.etree' has no attribute '_ElementStringResult')"} 如何删除（或评论）除 transportConnector 之外的所有 openwire 节点？ ansible-playbook [core 2.15.13] config file = None configured module search path = ['/root/.ansible/plugins/modules', '/usr/share/ansible/plugins/modules'] ansible python module location = /usr/local/lib/python3.9/site-packages/ansible ansible collection location = /root/.ansible/collections:/usr/share/ansible/collections executable location = /usr/local/bin/ansible-playbook python version = 3.9.18 (main, Oct 4 2024, 00:00:00) [GCC 11.4.1 20231218 (Red Hat 11.4.1-3)] (/usr/bin/python3) jinja version = 3.1.4 libyaml = True Package Version ------------------- -------- ansible 8.7.0 lxml 5.3.0 好的，我已经检查了模块代码xml.py。在第 435 行，一条评论提到了 lxml 5.1.1 删除了etree._ElementStringResult，所以我们不能再简单地假设它在那里 如果我将lxml降级到5.1.0，脚本就可以并且文档按照我的意愿进行更改！ 似乎 Ansible xml 模块 在 5.1.0 版本之后无法再正确使用 lxml。所以我为此在 Github 上打开了一个问题。 谢谢。 这是基于 XSLT 的解决方案，它利用所谓的“身份转换”模式。 输入XML <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd">... <broker xmlns="http://activemq.apache.org/schema/core" brokerName="localhost" dataDirectory="${activemq.data}"> <transportConnectors> <!-- DOS protection, limit concurrent connections to 1000 and frame size to 100MB --> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="amqp" uri="amqp://0.0.0.0:5672?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="stomp" uri="stomp://0.0.0.0:61613?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="mqtt" uri="mqtt://0.0.0.0:1883?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="ws" uri="ws://0.0.0.0:61614?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> </transportConnectors> </broker> </beans> XSLT <?xml version="1.0"?> <xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:ns2="http://activemq.apache.org/schema/core"> <xsl:output omit-xml-declaration="yes" indent="yes"/> <xsl:strip-space elements="*"/> <!--Identity transform--> <xsl:template match="node()|@*"> <xsl:copy> <xsl:apply-templates select="node()|@*"/> </xsl:copy> </xsl:template> <xsl:template match="ns2:transportConnector[not(starts-with(@uri,'tcp:'))]"/> </xsl:stylesheet> 输出XML <beans xmlns="http://www.springframework.org/schema/beans" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"> <broker xmlns="http://activemq.apache.org/schema/core" dataDirectory="${activemq.data}" brokerName="localhost"> <transportConnectors> <!-- DOS protection, limit concurrent connections to 1000 and frame size to 100MB --> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> </transportConnectors> </broker> </beans> 基于 如何在 Ansible 中过滤 XML 属性？ 和 如何用 Ansible 替换 XML 元素的文本？，一个带有 activemq.xml 的最小示例 <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd"> <broker xmlns="http://activemq.apache.org/schema/core" brokerName="localhost" dataDirectory="${activemq.data}"> <transportConnectors> <!-- DOS protection, limit concurrent connections to 1000 and frame size to 100MB --> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="amqp" uri="amqp://0.0.0.0:5672?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="stomp" uri="stomp://0.0.0.0:61613?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="mqtt" uri="mqtt://0.0.0.0:1883?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="ws" uri="ws://0.0.0.0:61614?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> </transportConnectors> </broker> </beans> 和剧本xml.yml--- - hosts: localhost become: false gather_facts: false vars: XML: "{{ lookup('file', 'activemq.xml') }}" tasks: - name: Convert XML to YML set_fact: YML: "{{ XML | ansible.utils.from_xml }}" - name: Show content debug: msg: "{{ YML }}" # Drop all transportConnector except the first in list - name: Update path ansible.utils.update_fact: updates: - path: "YML.beans.broker.transportConnectors.transportConnector" value: "{{ YML.beans.broker.transportConnectors.transportConnector[0] }}" register: updated - name: Show updated content debug: msg: "{{ updated.YML | ansible.utils.to_xml }}" - name: Write out XML file copy: dest: updated.activemq.xml content: "{{ updated.YML | ansible.utils.to_xml }}" 将生成一个 updated.activemq.xml 文件<?xml version="1.0" encoding="utf-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd"> <broker xmlns="http://activemq.apache.org/schema/core" brokerName="localhost" dataDirectory="${activemq.data}"> <transportConnectors> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"></transportConnector> </transportConnectors> </broker> </beans> 这是因为xml模块需要 在执行此模块的主机上。 lxml >= 2.3.0 并且依赖于它，而 from_xml 过滤器 则不依赖于它。 如果您喜欢从列表中选择一个特定的项目值，例如按名称 - name: Show 'openwire' from transportConnectors debug: msg: "{{ YML.beans.broker.transportConnectors.transportConnector | selectattr('@name', '==', 'openwire') }}" 更新可以通过完成 # Drop all transportConnector except with name 'openwire' - name: Update path ansible.utils.update_fact: updates: - path: "YML.beans.broker.transportConnectors.transportConnector" value: "{{ YML.beans.broker.transportConnectors.transportConnector | selectattr('@name', '==', 'openwire') }}" register: updated
我尝试从 activemq.xml 配置文件中删除一些节点。在此文件中，我想删除除 tcp 之外的所有连接 我尝试从 activemq.xml 配置文件中删除一些节点。在这个文件中，我想删除除 tcp 之外的所有连接 <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd"> ... <broker xmlns="http://activemq.apache.org/schema/core" brokerName="localhost" dataDirectory="${activemq.data}"> ... <transportConnectors> <!-- DOS protection, limit concurrent connections to 1000 and frame size to 100MB --> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="amqp" uri="amqp://0.0.0.0:5672?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="stomp" uri="stomp://0.0.0.0:61613?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="mqtt" uri="mqtt://0.0.0.0:1883?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="ws" uri="ws://0.0.0.0:61614?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> </transportConnectors> ... </broker> </beans> 我使用ansible xml社区通用模块 - name: Désactiver les autres protocoles de publication de message xml: path: /mypath/activemq-modif.xml xpath: "/ns:beans/broker:broker/broker:transportConnectors/broker:transportConnector[@name!='openwire']/*" state: absent namespaces: ns: http://www.springframework.org/schema/beans broker: http://activemq.apache.org/schema/core 当我运行剧本时，没有错误，但文件没有改变。 如果我按照模块文档示例中的说明删除“/*”，则会出现错误 fatal: [localhost]: FAILED! => {"changed": false, "msg": "Couldn't delete xpath target: /ns:beans/broker:broker/broker:transportConnectors/broker:transportConnector[@name!='openwire'] (module 'lxml.etree' has no attribute '_ElementStringResult')"} 如何删除（或注释）除“openwire”之外的所有 TransportConnector 节点？ ansible-playbook [core 2.15.13] config file = None configured module search path = ['/root/.ansible/plugins/modules', '/usr/share/ansible/plugins/modules'] ansible python module location = /usr/local/lib/python3.9/site-packages/ansible ansible collection location = /root/.ansible/collections:/usr/share/ansible/collections executable location = /usr/local/bin/ansible-playbook python version = 3.9.18 (main, Oct 4 2024, 00:00:00) [GCC 11.4.1 20231218 (Red Hat 11.4.1-3)] (/usr/bin/python3) jinja version = 3.1.4 libyaml = True Package Version ------------------- -------- ansible 8.7.0 lxml 5.3.0 这是基于 XSLT 的解决方案，它利用所谓的“身份转换”模式。 输入XML <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd">... <broker xmlns="http://activemq.apache.org/schema/core" brokerName="localhost" dataDirectory="${activemq.data}"> <transportConnectors> <!-- DOS protection, limit concurrent connections to 1000 and frame size to 100MB --> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="amqp" uri="amqp://0.0.0.0:5672?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="stomp" uri="stomp://0.0.0.0:61613?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="mqtt" uri="mqtt://0.0.0.0:1883?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> <transportConnector name="ws" uri="ws://0.0.0.0:61614?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> </transportConnectors> </broker> </beans> XSLT <?xml version="1.0"?> <xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:ns2="http://activemq.apache.org/schema/core"> <xsl:output omit-xml-declaration="yes" indent="yes"/> <xsl:strip-space elements="*"/> <!--Identity transform--> <xsl:template match="node()|@*"> <xsl:copy> <xsl:apply-templates select="node()|@*"/> </xsl:copy> </xsl:template> <xsl:template match="ns2:transportConnector[not(starts-with(@uri,'tcp:'))]"/> </xsl:stylesheet> 输出XML <beans xmlns="http://www.springframework.org/schema/beans" default-lazy-init="default" default-merge="default" xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd http://activemq.apache.org/schema/core http://activemq.apache.org/schema/core/activemq-core.xsd" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" default-autowire="default"> <broker xmlns="http://activemq.apache.org/schema/core" dataDirectory="${activemq.data}" brokerName="localhost"> <transportConnectors> <!-- DOS protection, limit concurrent connections to 1000 and frame size to 100MB --> <transportConnector name="openwire" uri="tcp://0.0.0.0:61616?maximumConnections=1000&wireFormat.maxFrameSize=104857600"/> </transportConnectors> </broker> </beans>
如何获取 HTML 字符串中文本节点的源索引？ 标签具有 sourceline 和 sourcepos 这对此很有用，但 NavigableString 没有任何直接有用的属性，例如 ...
如何使用Python通过指定的不配对标签分割html字符串？例如 split('你好那里', 'br') 应该返回 ['hello', 'there'], 分割（'... 如何使用Python通过指定的不配对标签分割html字符串？例如 split('hello<br >there', 'br') 应该返回['hello', 'there']， split('<div id="d71">text1<br data-i="1">text2<br>text3</div>', 'br') 应该返回['<div id="d71">text1', 'text2', 'text3</div>'] 我看过了 def get_start_stop(source, tag_name): soup = BeautifulSoup(source, 'html.parser') return dir(soup.find(tag_name)) 但是我所希望的事情，sourcepos，string，strings，self_and_descendants，.nextSibling.sourcepos没有获得开始和结束索引所需的信息（据我所知）源字符串中的标签。 我也尝试过类似的事情 from lxml import html def split(input_str, tag_name): tree = html.fromstring(input_str) output_list = [] for element in tree.iter(): if element.tag == tag_name: output_list.append(element.tail) else: output_list.append(html.tostring(element, encoding='unicode', with_tail=False)) return output_list 但是with_tail=False没有达到我的预期 使用 lxml 作为 HTML 解析器 假设文档片段是 <div id="d71">text1<br/>text2<br/>text3</div> 查找 div 元素内的所有文本节点 from lxml import html doc = html.parse('temp.html') # returns a node set of text nodes d71txt = doc.xpath('//div[@id="d71"]/text()' 结果 ['text1', 'text2', 'text3'] 子元素的 tail 属性也包含其中一些文本节点。使用 descendant-or-self xpath 轴 >>> d71nodes = doc.xpath('//div[@id="d71"]/descendant-or-self::*') >>> d71nodes[0].text 'text1' >>> d71nodes[1].tail 'text2' >>> d71nodes[2].tail 'text3' 这是一个例子： from bs4 import BeautifulSoup text = """ <p>one<br>two</p> <p>two<br>three</p> """ page = BeautifulSoup(text, "html.parser") for t in page.find_all('p'): print("Got this:", t) for u in t: print(u) 输出： Got this: <p>one<br/>two</p> one <br/> two Got this: <p>two<br/>three</p> two <br/> three 我认为如何从中获取之前和之后应该非常清楚。 我认为BeautifulSoup并没有直接提供HTML标签的开始和结束索引，但是你可以通过在原始字符串中定位标签来找到它们 def get_start_stop(source, tag_name): soup = BeautifulSoup(source, 'html.parser') tag = soup.find(tag_name) if tag: start = source.find(f"<{tag_name}") end = source.find(">", start) + 1 return start, end return None
我想使用 lxml 库用新信息更新 xml 文件。 例如，我有这样的代码： >>> 从 lxml 导入 etree >>> >>> 树 = etree.parse('books.xml') w...
我有一些由脚本生成的 XML，可能有也可能没有空元素。有人告诉我现在 XML 中不能有空元素。这是一个例子： <...
在Python中解析Google Earth KML文件（lxml，命名空间）
我正在尝试使用 xml 模块将 .kml 文件解析为 Python（在我用于 HTML 的 BeautifulSoup 中未能完成此操作之后）。 因为这是我第一次这样做，所以我就跟着走了......
我正在使用 Python lxml.html 包来抓取 HTML 文件。 我试图抓取的 HTML 部分读取 DAB Ensemble 1 的描述我不关心的东西 我正在使用 Python lxml.html 包来抓取 HTML 文件。 我试图抓取的 HTML 部分读取 <h1>Description of DAB Ensemble 1</h1><table>Stuff I don't care about</table> <!-- Tags I don't care about --> <div id="announcement_data_block"> <h3>Announcement information</h3> <p>No announcement information is broadcast</p> </div> <!-- More tags I don't care about --> <h1>Description of DAB Ensemble 2</h1><table>Stuff I don't care about</table> <!-- Tags I don't care about --> <div id="announcement_data_block"> <h3>Announcement information</h3> <h4>Announcement switching (FIG0/19)</h4> <table>Stuff I DO care about</table> </div> <!-- More tags I don't are about --> 我对“公告切换”表感兴趣，对于给定的 DAB 整体，该表可能存在也可能不存在。我有一个lxml.hmtl.xpath表达式如下： f'//h1[text()="Description of DAB Ensemble {ens_idx}"]/following-sibling::table/following-sibling::div[@id="announcement_data_block"]/h4[starts-with(text(), "Announcement switching")]/following-sibling::table' 根据我的理解，这个 XPath 语句是说，对于给定的 ens_idx 值： 从根目录开始，找到文本匹配“Description of DAB Ensemble {ens_idx}”的 h1 标签（例如“Description of DAB Ensemble 1”、“Description of DAB Ensemble 2”），然后转到您看到的第一个表。 在上面的示例中，它将是标记为“我不关心的东西”的表。 然后，转到下一个 id 为“announcement_data_block”的 div。 在该 div 中，找到一个 h4 标签，其文本以“公告切换”开头。 获取接下来的第一个表。 在上面的示例中，DAB Ensemble 1 没有这样的表。 我希望 xpath 在尝试获取 DAB Ensemble 1 的表时返回 None 。但是，xpath 在遇到 h1 标签“DAB Ensemble 2 的描述”时不知道停止，因此它会继续运行，直到找到 DAB Ensemble 2的h4标签。 我正在寻求帮助，以找到一个 xpath 语句，该语句将使 XPath 无条件停止在下一个“DAB Ensemble 的描述”h1 标记处。本质上我希望将该指令修改为： 从根目录开始，找到文本匹配“Description of DAB Ensemble {ens_idx}”的 h1 标签（例如“Description of DAB Ensemble 1”、“Description of DAB Ensemble 2”），然后转到您看到的第一个表。 在上面的示例中，它将是标记为“我不关心的东西”的表。 然后，转到下一个 id 为“announcement_data_block”的 div。 在该 div 中，找到一个 h4 标签，其文本以“公告切换”开头。 获取随后的第一个表。 如果在文本匹配“Description of DAB Ensemble {ens_idx + 1}”或 EOF 的 h1 标记之前找不到此条件，则返回 None。 粗体部分是我的 XPath 表达式中缺少的部分。有谁知道如何构造这样的表达式？ 从示例中可以看出，H1 和带有 id 的 div 都是兄弟姐妹，所以 搜索应表明找到的第一个 following::table 和第一个 @id="announcement_data_block" 是必需的，因为 f'//h1[text()="Description of DAB Ensemble {ens_idx}"]/following-sibling::table[1]/following-sibling::div[@id="announcement_data_block"][1]/h4[starts-with(text(), "Announcement switching")]/following-sibling::table' 顺便说一句：id 不应重复。
我正在使用 Python lxml.html 包来抓取 HTML 文件。 我正在尝试抓取部分内容的 HTML DAB Ensemble 1 的描述我不关心的东西&... 我正在使用 Python lxml.html 包来抓取 HTML 文件。 我正在尝试抓取部分内容的 HTML <h1>Description of DAB Ensemble 1</h1><table>Stuff I don't care about</table> <!-- Tags I don't care about --> <div id="announcement_data_block"> <h3>Announcement information</h3> <p>No announcement information is broadcast</p> </div> <!-- More tags I don't care about --> <h1>Description of DAB Ensemble 2</h1><table>Stuff I don't care about</table> <!-- Tags I don't care about --> <div id="announcement_data_block"> <h3>Announcement information</h3> <h4>Announcement switching (FIG0/19)</h4> <table>Stuff I DO care about</table> </div> <!-- More tags I don't are about --> 我对“公告切换”表感兴趣，对于给定的 DAB 整体，该表可能存在也可能不存在。我有一个lxml.hmtl.xpath表达式如下： f'//h1[text()="Description of DAB Ensemble {ens_idx}"]/following-sibling::table/following-sibling::div[@id="announcement_data_block"]/h4[starts-with(text(), "Announcement switching")]/following-sibling::table' 根据我的理解，这个 XPath 语句是说，对于给定的 ens_idx 值： 从根目录开始，找到文本匹配“Description of DAB Ensemble {ens_idx}”的 h1 标签（例如“Description of DAB Ensemble 1”、“Description of DAB Ensemble 2”），然后转到您看到的第一个表。 在上面的示例中，它将是标记为“我不关心的东西”的表。 然后，转到下一个 id 为“announcement_data_block”的 div。 在该 div 中，找到一个 h4 标签，其文本以“公告切换”开头。 获取接下来的第一个表。 在上面的示例中，DAB Ensemble 1 没有这样的表。 我希望 xpath 在尝试获取 DAB Ensemble 1 的表时返回 None 。但是，xpath 在遇到 h1 标签“DAB Ensemble 2 的描述”时不知道停止，因此它会继续运行，直到找到 DAB Ensemble 2的h4标签。 我正在寻求帮助，以找到一个 xpath 语句，该语句将使 XPath 无条件停止在下一个“DAB Ensemble 的描述”h1 标记处。本质上我希望将该指令修改为： 从根目录开始，找到文本匹配“Description of DAB Ensemble {ens_idx}”的 h1 标签（例如“Description of DAB Ensemble 1”、“Description of DAB Ensemble 2”），然后转到您看到的第一个表。 在上面的示例中，它将是标记为“我不关心的东西”的表。 然后，转到下一个 id 为“announcement_data_block”的 div。 在该 div 中，找到一个 h4 标签，其文本以“公告切换”开头。 获取随后的第一个表。 如果在文本匹配“Description of DAB Ensemble {ens_idx + 1}”或 EOF 的 h1 标记之前找不到此条件，则返回 None。 粗体部分是我的 XPath 表达式中缺少的部分。有谁知道如何构造这样的表达式？ 从示例中可以看出，H1 和带有 id 的 div 都是兄弟姐妹，所以 搜索应表明找到的第一个 following::table 和第一个 @id="announcement_data_block" 是必需的，因为 f'//h1[text()="Description of DAB Ensemble {ens_idx}"]/following-sibling::table[1]/following-sibling::div[@id="announcement_data_block"][1]/h4[starts-with(text(), "Announcement switching")]/following-sibling::table' 顺便说一句：id 不应重复。
我有一个结构很糟糕的 html 模板，其中我的 元素包含多个元素（p、figure、a 等），但中间也包含原始文本。我怎样才能访问所有这些文本片段，... 我有一个结构很糟糕的 html 模板，其中我的 <section> 元素包含多个元素（p、figure、a 等），但中间也包含原始文本。我如何访问所有这些文本片段，并就地编辑它们（我需要的是用标签替换所有$$code$$？） section.text 和 section.tail 都返回空字符串... 检查紧邻文本之前的完整标记的 .tail。因此，在 <section>A<p>B</p>C<p>D</p>E</section> 中，两个 .tail 元素的 <p> 将包含 C 和 E。 示例： from lxml import etree root = etree.fromstring('<root><section>A<p>B</p>C<p>D</p>E</section></root>') for section_child in root.find('section'): section_child.tail = section_child.tail.lower() print(etree.tounicode(root)) 结果： <root><section>A<p>B</p>c<p>D</p>e</section></root> 我从我发布的问题的答案中了解到：在根元素内的元素之间解析 XML 文本 from lxml import etree xml = '<a>aaaa1<b>bbbb</b>aaaa2<c>cccc</c>aaaa3</a>' element = etree.fromstring(xml) for text in element.xpath('text()'): xml = xml.replace(f'>{text}<', f'>{text.upper()}<') 对此的一个担忧是关于 xml 中的 CDATA，但我猜这对于 html 来说不是问题。
是否可以以某种方式创建具有默认文本值的元素？那么我不需要这样做吗？ 从 lxml 导入 etree root = etree.Element('root') a = etree.SubElement(root, 'a') a.tex...
使用 Xcode 在 Mac OSX 上使用 pip 安装 lxml 时出现 GCC 错误
我是一个初学者，试图将 lxml 安装到我的 Mac 上的 Python 2.7.3 安装中。 我设法将其安装到 Apple 发行版中，但 pip install lxml 到该版本返回错误： 错误...
我有一个 python 函数，它接受部分 xml 字符串和根元素标签，并尝试构造一个有效的 xml。我很难让它发挥作用。 从 lxml 导入 etree 来自 lxml.builder
我想使用 lxml 从 html 页面中找出所有 url 及其名称。 我可以解析 url 并找到这个东西，但是有什么简单的方法可以使用 lxml 找到所有 url 链接吗？
我想在Python中用Xpath解析以下内容。 省份 我想在Python中使用Xpath解析以下内容。 <h3>Province</h3> <ul> <li><a href="?k=*&program_language=ENGLISH&province_code=ON">Ontario (5853)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=BC">British Columbia (2096)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=AB">Alberta (1241)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=QC">Québec (921)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=NS">Nova Scotia (895)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=SK">Saskatchewan (847)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=MB">Manitoba (615)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=NB">New Brunswick (347)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=NL">Newfoundland & Labrador (305)</a> <li><a href="?k=*&program_language=ENGLISH&province_code=PE">Prince Edward Island (120)</a> </ul> 我的Python代码如下： url=r'https://universitystudy.ca/search-programs/?k=&program_level_merged=&program_language=ENGLISH' resq=req.get(url) content=html.fromstring(resq.content) category==content.xpath('//h3[text()="Area of Study"]/following-sibling::ul/li/a/text()') 虽然我希望获得如下所示的程序名称列表，但我的代码返回一个空列表， 无法弄清楚代码出了什么问题。 Business administration and management, general (520) Computer science (289) Mathematics, general (279) Psychology, general (277) Economics, general (250) Biology/biological sciences, general (249) Geography (241) English language and literature, general (240) Chemistry, general (220) Political science and government, general (211) History, general (200) 我发现问题是由于以下原因造成的 resq=req.get(url) 实际上，服务器拒绝了 req.get 请求并且对 resq 不返回任何内容 HTTP 403 Forbidden 客户端错误响应状态码表示服务器理解请求但拒绝处理它。
如果我使用 lxml 解析 XML 文档，是否可以查看元素的文本表示形式？ 我尝试这样做： 打印repr（节点） 但这输出 什么可以...
lxml 如何在使用 openpyxl 时加快保存大型 excel 文件的速度？
我在使用 openpyxl 时保存大型 Excel 文件时遇到一些问题。 Openpyxl 文档说 当您想要转储大量数据时，请确保安装了 lxml。 但没有...
使用 lxml.html 抓取嵌入元素，或者如何欺骗网站认为您已安装 Flash
我正在尝试抓取一个网站，并且需要获取嵌入元素，但由于我使用的是 Python 和 lxml.html，该网站准确地得出我没有安装 Flash 的结论，而不是