lxml是一个功能齐全的高性能Python库，用于处理XML和HTML。
给定一个具有以下结构的 XML 文件： 1 给定一个具有以下结构的 XML 文件： <log> <Event xmlns="http://schemas.microsoft.com/win/2004/08/events/event"> <System> <EventID>1</EventID> # if this is 1 </System> <EventData> <Data Name="CommandLine">C:\Windows\system32\wbem\unsecapp.exe -Embedding</Data> # then I want this value </EventData> </Event> <Event xmlns="http://schemas.microsoft.com/win/2004/08/events/event"> <System> <EventID>2</EventID> </System> <EventData> <Data Name="CommandLine">C:\Windows\system32\wbem\unsecapp.exe -Embedding</Data> </EventData> </Event> </log> 我想检查所有 <Event> 如果 <EventID> = 1，然后使用 <Data Name='CommandLine'> 的值 使用此代码 from lxml import etree as ET with open(log_file_path, 'r', encoding='utf-8') as file: log_content = file.read() root = ET.fromstring(log_content) ns = {'ns' : 'http://schemas.microsoft.com/win/2004/08/events/event'} root.xpath("//ns:Event[System/EventID='1']/EventData/Data[@Name='CommandLine']", namespaces=ns) 什么也没找到。 我在在线 xpath 工具中使用相同的 xml 尝试了相同的 xpath 查询//Event[System/EventID='1']/EventData/Data[@Name='CommandLine']，它按预期工作。 我无法弄清楚问题所在，有什么想法吗？ 元素上的默认命名空间也适用于其后代元素，因此请更改 //ns:Event[System/EventID='1']/EventData/Data[@Name='CommandLine'] 到 //ns:Event[ns:System/ns:EventID='1']/ns:EventData/ns:Data[@Name='CommandLine']
BeautifulSoup(html, "html.parser") 和 BeautifulSoup(html, "xml") 有不同的查找行为，如何使其相同？
使用 soup_html = BeautifulSoup(html, "html.parser") 解析 HTML 使用默认解析器。 使用 soup_xml = BeautifulSoup(html, "xml") 解析 HTML 使用 lxml lib 中的解析器。 如果H...
我希望将传入的 XML 数据转换为 JSON，以便在 Python 中更有效地处理数据。 XML 是非标准格式，其中架构是在相关 va 之上定义的...
我正在开发一个Python程序来保存储藏室的库存。在 XML 文档中，将保留碳粉量，我希望我的 python 程序能够添加、删除和显示
Python etree 解析 html 文本失败（返回 NoneType）
为什么输出为“None”？它应该像“”或其他东西。 注意：仅在我的 Mac 上出现问题。我尝试过使用 p...
我有一些 xml，其中有多个同名元素，但每个元素都采用不同的语言，例如： 都铎王朝 <question vote="2"> <p>我有一些 xml，其中包含多个同名元素，但每个元素都采用不同的语言，例如：</p> <pre><code><Title xml:lang="FR" type="main">Les Tudors</Title> <Title xml:lang="DE" type="main">Die Tudors</Title> <Title xml:lang="IT" type="main">The Tudors</Title> </code></pre> <p>通常，我会使用其属性检索元素，如下所示：</p> <pre><code>titlex = info.find('.//xmlns:Title[@someattribute=attributevalue]', namespaces=nsmap) </code></pre> <p>如果我尝试使用 [@xml:lang="FR"] （例如）执行此操作，我会收到回溯错误：</p> <pre><code> File "D:/Python code/RBM CRID, Title, Genre/CRID, Title, Genre, Age rating, Episode Number, Descriptions V1.py", line 29, in <module> titlex = info.find('.//xmlns:Title[@xml:lang=PL]', namespaces=nsmap) File "lxml.etree.pyx", line 1457, in lxml.etree._Element.find (src\lxml\lxml.etree.c:51435) File "C:\Python34\lib\site-packages\lxml\_elementpath.py", line 282, in find it = iterfind(elem, path, namespaces) File "C:\Python34\lib\site-packages\lxml\_elementpath.py", line 272, in iterfind selector = _build_path_iterator(path, namespaces) File "C:\Python34\lib\site-packages\lxml\_elementpath.py", line 256, in _build_path_iterator selector.append(ops[token[0]](_next, token)) File "C:\Python34\lib\site-packages\lxml\_elementpath.py", line 134, in prepare_predicate token = next() File "C:\Python34\lib\site-packages\lxml\_elementpath.py", line 80, in xpath_tokenizer raise SyntaxError("prefix %r not found in prefix map" % prefix) SyntaxError: prefix 'xml' not found in prefix map </code></pre> <p>我对此并不感到惊讶，但我希望获得有关如何解决该问题的建议。</p> <p>谢谢！</p> <p>根据要求，一组精简但完整的代码（如果我删除[方括号中的位]，它会按预期工作）：</p> <pre><code>import lxml import codecs file_name = (input('Enter the file name, excluding .xml extension: ') + '.xml')# User inputs file name print('Parsing ' + file_name) #----- Sets up import and namespace from lxml import etree parser = lxml.etree.XMLParser() tree = lxml.etree.parse(file_name, parser) # Name of file to test goes here root = tree.getroot() nsmap = {'xmlns': 'urn:tva:metadata:2012', 'mpeg7': 'urn:tva:mpeg7:2008'} #----- This code writes the output to a file with codecs.open(file_name+'.log', mode='w', encoding='utf-8') as f: # Name the output file f.write(u'CRID|Title|Genre|Rating|Short Synopsis|Medium Synopsis|Long Synopsis\n') for info in root.xpath('//xmlns:ProgramInformation', namespaces=nsmap): titlex = info.find('.//xmlns:Title[xml:lang="PL"]', namespaces=nsmap) # Retreve the title title = titlex.text if titlex != None else 'Missing' # If there isn't a title, print an alternative word f.write(u'{}\n'.format(title)) # Write all the retrieved values to the same line with bar seperators and a new line </code></pre> </question> <answer tick="false" vote="3"> <p><strong>使用<pre><code>find()</code></pre></strong></p> <p><pre><code>xml</code></pre>中的<pre><code>xml:lang</code></pre>前缀不需要在XML文档中声明，但是如果你想在XPath查找中使用<pre><code>xml:lang</code></pre>（使用<pre><code>find()</code></pre>或<pre><code>findall()</code></pre>），你必须定义一个前缀Python 代码中的映射。</p> <p><pre><code>xml</code></pre>前缀是保留的（与任意的“正常”命名空间前缀相反）并定义为绑定到<pre><code>http://www.w3.org/XML/1998/namespace</code></pre>。请参阅 <a href="http://www.w3.org/TR/REC-xml-names/#ns-decl" rel="nofollow noreferrer">XML 1.0 中的命名空间</a> W3C 建议。</p> <p>示例：</p> <pre><code>from lxml import etree # Required mapping when using "find" nsmap = {"xml": "http://www.w3.org/XML/1998/namespace"} XML = """ <root> <Title xml:lang="FR" type="main">Les Tudors</Title> <Title xml:lang="DE" type="main">Die Tudors</Title> <Title xml:lang="IT" type="main">The Tudors</Title> </root>""" doc = etree.fromstring(XML) title_FR = doc.find('Title[@xml:lang="FR"]', namespaces=nsmap) print(title_FR.text) </code></pre> <p>输出：</p> <pre><code>Les Tudors </code></pre> <p>如果 <pre><code>xml</code></pre> 前缀没有映射，您会收到“在前缀映射中找不到<em>前缀 'xml'”错误。如果映射到 </em><code>xml</code><pre> 前缀的 URI 不是 </pre><code>http://www.w3.org/XML/1998/namespace</code><pre>，则上面代码片段中的 </pre><code>find</code><pre> 方法不会返回任何内容。</pre> </p><p>使用<strong><code>xpath()</code><pre></pre></strong> </p>使用<p><code>xpath()</code><pre>方法，不需要前缀：URI映射：</pre> </p><code>title_FR = doc.xpath('Title[@xml:lang="FR"]')[0] print(title_FR.text) </code><pre> </pre>输出：<p> </p><code>Les Tudors </code><pre> </pre> </answer> <answer tick="false" vote="0">如果您可以控制 <p><code>xml</code><pre> 文件，则应将 </pre><code>xml:lang</code><pre> 属性更改为 </pre><code>lang</code><pre> 。</pre> </p>或者如果您没有该控制权，我建议在 nsmap 中添加 <p><code>xml</code><pre>，例如 -</pre> </p><code>nsmap = {'xmlns': 'urn:tva:metadata:2012', 'mpeg7': 'urn:tva:mpeg7:2008', 'xml': '<namespace>'} </code><pre> </pre> </answer></body>
我有以下xml文件： 福 我有以下 xml 文件： <components version="1.0.0"> <component type="foo"> <sample>Foo</sample> <sample xml:lang="a">abc</sample> <sample xml:lang="b">efj</sample> </component> </components> from lxml import etree def parse(path: str): return etree.parse(path) def components(path: str) -> list: components = parse(path).xpath("/components/component") return list(components) def sample(path: str) -> str: sample = components(path)[0].find("sample").text return str(sample) path = "test.xml" print(sample(path)) 我想遍历所有 sample 标签并获取没有 xml:lang 属性的标签的值，即。第一个。我该怎么做呢？我知道我需要使用 for 循环，但不确定如何检查 xml:lang 是否存在。 您可以检查lang是否不在标签的属性中： from lxml import etree xml_string = """ <components version="1.0.0"> <component type="foo"> <sample>Foo</sample> <sample lang="a">abc</sample> <sample lang="b">efj</sample> </component> </components> """ root = etree.fromstring(xml_string) for sample in root.findall("component/sample"): if "lang" not in sample.attrib: print(sample.text) 打印： Foo 编辑：如果您有命名空间lang:，您可以尝试： from lxml import etree xml_string = """ <components version="1.0.0"> <component type="foo"> <sample>Foo</sample> <sample xml:lang="a">abc</sample> <sample xml:lang="b">efj</sample> </component> </components> """ root = etree.fromstring(xml_string) for sample in root.findall("component/sample"): # use http://www.w3.org/XML/1998/namespace here # or other Namespace URI found in your document lang = sample.attrib.get(r"{http://www.w3.org/XML/1998/namespace}lang") if not lang: print(sample.text) 您的 xml 片段有一个未关闭的标记，并且属性参数 a 和 b 必须是字符串“a”和“b”。比解析有效，你可以检查 .get('attrib_argument'): from lxml import etree as et xml_str = """<components version="1.0.0"> <component type="foo"> <sample>Foo</sample> <sample lang="a">abc</sample> <sample lang="b">efj</sample> </component> </components> """ root = et.fromstring(xml_str) for elem in root.findall('.//sample'): if elem.get('lang') is not None: pass else: print(f"sample <tag> on list position {root.findall('.//sample').index(elem)} has no 'lang' attrib, Text: {elem.text}") 输出： sample <tag> on list position 0 has no 'lang' attrib, Text: Foo
我有以下xml文件： 福 abc 我有以下 xml 文件： <components version="1.0.0"> <component type="foo"> <sample>Foo<sample> <sample lang=a>abc</sample> <sample lang=b>efj</sample> </component> </components> from lxml import etree def parse(path: str): return etree.parse(path) def components(path: str) -> list: components = parse_appinfo_xml(path).xpath("/components/component") return list(components) def sample(path: str) -> str: sample = components(path)[0].find("sample").text return str(sample) path = "test.xml" print(sample(path)) 我想遍历所有 sample 标签并获取没有 lang 属性的标签的值，即。第一个。我该怎么做呢？我知道我需要使用 for 循环，但不确定如何检查 lang 是否存在。 您可以检查lang是否不在标签的属性中： from lxml import etree xml_string = """ <components version="1.0.0"> <component type="foo"> <sample>Foo</sample> <sample lang="a">abc</sample> <sample lang="b">efj</sample> </component> </components> """ root = etree.fromstring(xml_string) for sample in root.findall("component/sample"): if "lang" not in sample.attrib: print(sample.text) 打印： Foo
我有以下xml文件： 我有以下 xml 文件： <?xml version="1.0" encoding="utf-8"?> <components version="1.0.0"> <component type="foo"> <maintag> <subtag> <check>Foo</check> </subtag> <subtag> <check></check> </subtag> <subtag> </subtag> </maintag> </component> </components> 我想检查每个 subtag 元素是否具有非空值的子元素 check。如果出现以下情况，它应该打印错误： check 存在但为空 check 根本不存在于一个或多个 subtag 中 我该怎么做？ 我想出了这个，但它并没有完全达到我想要的效果 from lxml import etree # type: ignore def parse_xml(path: str) -> list: root = etree.parse(path) components = root.xpath("/components/component") return list(components) path = "test.xml" for p in parse_xml(path)[0].iter('check'): if not len(str(p)) > 0: print("check tag empty") 基本上，我的想法是： 遍历子标签列表中的每个子标签。 找到 check 元素。 如果 check_elements 列表为空（即，检查元素不存在）。打印错误消息。 否则，获取其文本内容并检查它是否为空或仅包含空格。如果是，则打印错误消息。 示例如下： # ...rest for component in components: subtags = component.xpath(".//maintag/subtag") for subtag in subtags: check_elements = subtag.xpath("./check") if not check_elements: print(f"check tag not present at line {subtag.sourceline}") else: check_element = check_elements[0] check_text = check_element.text if not check_text or check_text.strip() == "": print(f"check tag empty at line {check_element.sourceline}")
创建具有多个命名空间和 xsi:type 属性的 XML 文档
如何使用 Python 和 lxml 创建此 XML 结构？ 如何使用 Python 和 lxml 创建此 XML 结构？ <?xml version="1.0" encoding="utf-8"?> <cfdi:Comprobante xmlns:cfdi="http://www.sat.gob.mx/cfd/4" xmlns:cce11="http://www.sat.gob.mx/ComercioExterior11" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.sat.gob.mx/cfd/4 http://www.sat.gob.mx/sitio_internet/cfd/4/cfdv40.xsd http://www.sat.gob.mx/ComercioExterior11 http://www.sat.gob.mx/sitio_internet/cfd/ComercioExterior11/ComercioExterior11.xsd" Version="4.0" Fecha="2023-12-27T11:53:50"> <cfdi:Emisor Rfc="XAXX010101XXX" Nombre="COMPANY" RegimenFiscal="601"/> <cfdi:Receptor Rfc="XEXX010101XXX" Nombre="COMPANY" DomicilioFiscalReceptor="00000" RegimenFiscalReceptor="601" UsoCFDI="G01"/> <cfdi:Conceptos> <cfdi:Concepto ClaveProdServ="00000000" NoIdentificacion="XXXXX" Cantidad="1.000000" ClaveUnidad="EA" Unidad="PIEZA" Descripcion="XXXXX" ValorUnitario="1.00" Importe="1.00" ObjetoImp="00"> <cfdi:Impuestos> <cfdi:Traslados> <cfdi:Traslado Base="1.00" Importe="1.00" Impuesto="000" TipoFactor="Tasa" TasaOCuota="0.000000"/> </cfdi:Traslados> </cfdi:Impuestos> </cfdi:Concepto> </cfdi:Conceptos> <cfdi:Impuestos TotalImpuestosTrasladados="1.00"> <cfdi:Traslados> <cfdi:Traslado Base="1.00" Importe="1.00" Impuesto="000" TipoFactor="Tasa" TasaOCuota="0.000000"/> <cfdi:Traslado Base="1.00" Importe="1.00" Impuesto="000" TipoFactor="Tasa" TasaOCuota="0.000000"/> </cfdi:Traslados> </cfdi:Impuestos> </cfdi:Comprobante> 此结构用于墨西哥发票。 使用 Powershell 脚本。我对这些值进行了硬编码。我也硬编码了总数。 using assembly System.Xml.Linq $filename = 'c:\temp\test.xml' $emisorRfc = 'XAXX010101XXX' $receptorRfc = 'XEXX010101XXX' $nombre = 'COMPANY' $regimenFiscal = '601' $domicilioFiscalReceptor = '00000' $regimenFiscalReceptor = '601' $usoCFDI = 'G01' $claveProdServ = '00000000' $noIdentificacion = 'XXXXX' $cantidad = '1.000000' $claveUnidad = 'EA' $unidad = 'PIEZA' $descripcion = 'XXXXX' $valorUnitario = '1.00' $importe = '1.00' $objetoImp = '00' $base = '1.00' $importe = '1.00' $impuesto = '000' $tipoFactor = 'Tasa' $tasaOCuota = '0.000000' $ident = @' <?xml version="1.0" encoding="utf-8"?> <cfdi:Comprobante xmlns:cfdi="http://www.sat.gob.mx/cfd/4" xmlns:cce11="http://www.sat.gob.mx/ComercioExterior11" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.sat.gob.mx/cfd/4 http://www.sat.gob.mx/sitio_internet/cfd/4/cfdv40.xsd http://www.sat.gob.mx/ComercioExterior11 http://www.sat.gob.mx/sitio_internet/cfd/ComercioExterior11/ComercioExterior11.xsd" Version="4.0" Fecha="2023-12-27T11:53:50"> </cfdi:Comprobante> '@ $xDoc = [System.Xml.Linq.XDocument]::Parse($ident) $root = $xDoc.Root $nscfdi = $root.GetNamespaceOfPrefix('cfdi') $nscce11 = $root.GetNamespaceOfPrefix('cce11') $nsxsi = $root.GetNamespaceOfPrefix('xsdi') $emisor = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Emisor')) $emisorRfcAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('RFC'), $emisorRfc) $emisor.Add($emisorRfcAttr) $emisorNombre = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Nombre'), $nombre) $emisor.Add($emisorNombre) $emisorRegimen = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('RegimenFiscal'), $regimenFiscal) $emisor.Add($emisorRegimen) $root.Add($emisor) $receptor = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Receptor')) $receptorRfcAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('RFC'), $receptorRfc) $receptor.Add($receptorRfcAttr) $receptor.Add($emisorNombre) $receptorDomicilioFiscal = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('DomicilioFiscalReceptor'), $domicilioFiscalReceptor) $receptor.Add($receptorDomicilioFiscal) $receptorRegimenFiscal = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('RegimenFiscalReceptor'), $regimenFiscalReceptor) $receptor.Add($receptorRegimenFiscal) $receptorUsoCFDI = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('UsoCFDI'), $usoCFDI) $receptor.Add($receptorUsoCFDI) $root.Add($receptor) $conceptos = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Conceptos')) $concepto = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Concepto')) $claveProdServAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('ClaveProdServ'), $claveProdServ) $concepto.Add($claveProdServAttr) $noIdentificacionAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('NoIdentificacion'), $noIdentificacion) $concepto.Add($noIdentificacionAttr) $cantidadAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Cantidad'), $cantidad) $concepto.Add($cantidadAttr) $claveUnidadAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('ClaveUnidad'), $claveUnidad) $concepto.Add($claveUnidadAttr) $unidadAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Unidad'), $unidad) $concepto.Add($unidadAttr) $descripcionAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Descripcion'), $descripcion) $concepto.Add($descripcionAttr) $valorUnitarioAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('ValorUnitario'), $valorUnitario) $concepto.Add($valorUnitarioAttr) $importeAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Importe'), $importe) $concepto.Add($importeAttr) $objetoImpAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('ObjetoImp'), $objetoImp) $concepto.Add($objetoImpAttr) $impuestos = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Impuestos')) $traslados = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Traslados')) $traslado = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Traslado')) $baseAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Base'), $base) $traslado.Add($baseAttr) $importeAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Importe'), $importe) $traslado.Add($importeAttr) $impuestoAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('Impuesto'), $impuesto) $traslado.Add($impuestoAttr) $tipoFactorAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('TipoFactor'), $tipoFactor) $traslado.Add($tipoFactorAttr) $tasaOCuotaAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('TasaOCuota'), $tasaOCuota) $traslado.Add($tasaOCuotaAttr) $traslados.Add($traslado) $impuestos.Add($traslados) $concepto.Add($impuestos) $conceptos.Add($concepto) $root.Add($conceptos) $impuestos = [System.Xml.Linq.XElement]::new([System.Xml.Linq.XName]::Get($nscfdi + 'Impuestos')) $totalImpuestosTrasladados = '1.00' $totalImpuestosTrasladadosAttr = [System.Xml.Linq.XAttribute]::new([System.Xml.Linq.XName]::Get('TotalImpuestosTrasladados'), $totalImpuestosTrasladados) $impuestos.Add($totalImpuestosTrasladadosAttr) $root.Add($impuestos) $xDoc.Save($filename)
BS4：从BeautifulSoup对象获取lxml etree
如果我将 BeautifulSoup4 与 lxml 解析器一起使用，如何从 BeautifulSoup 对象获取 lxml etree 对象？ 我会用它通过 XPath 查找元素。 BeautifulSoup4 本身不支持 XPath
我正在尝试解析一个xml文件，以便我可以操作其中包含的数据。 它有 900 万行，所以我不会发布它。 这是我的代码： 从 lxml 导入 etree 解析器 = etree.XMLPar...
我使用 lxml 从 html 页面检索标签的属性。 html 页面的格式如下： ... 我使用 lxml 从 html 页面检索标签的属性。 html 页面的格式如下： <div class="my_div"> <a href="/foobar"> <img src="my_img.png"> </a> </div> 我用来检索 <a> 标签内的 url 以及同一 src 内 <img> 标签的 <div> 值的 python 脚本是这样的： from lxml import html ... tree = html.fromstring(page.text) for element in tree.xpath('//div[contains(@class, "my_div")]//a'): href = element.xpath('/@href') src = element.xpath('//img/@src') 为什么我拿不到琴弦？ 您正在使用 lxml，因此您正在使用 lxml 对象 - HtmlElement 实例进行操作。 HtmlElement 嵌套在 etree.Element 中：http://lxml.de/api/lxml.etree._Element-class.html， 它有 get 方法，返回属性值。 所以适合你的方法是： from lxml import html ... tree = html.fromstring(page.text) for link_element in tree.xpath('//div[contains(@class, "my_div")]//a'): href = link_element.get('href') image_element = href.find('img') if image_element: img_src = image_element.get('src') 如果您将代码更改为： from lxml import html ... tree = html.fromstring(page.text) for element in tree.xpath('//div[contains(@class, "my_div")]//a'): href = element.items()[0][1] #gives you the value corresponding to the key "href" src = element.xpath('//img/@src')[0] print(href, src) 你会得到你需要的。 lxml的文档提到了其中一些内容，但我觉得它缺少一些内容，您可能需要考虑使用交互式Python shell来研究tree.xpath()返回的实例的属性。或者你可以完全研究另一个解析器，例如 BeautifulSoup，它有非常好的示例和文档。只是分享... 您没有获得想要的结果的原因是因为您试图从 NEXT 子节点而不是现有节点获取属性。 看这个： from lxml import html s = '''<div class="my_div"> <a href="/foobar"> <img src="my_img.png"> </a> </div>''' tree = html.fromstring(s) # when you do path... //a, you are ALREADY at 'a' node for el in tree.xpath('//div[contains(@class, "my_div")]//a'): # you were trying to get next children /@href, which doesn't exist print el.xpath('@href') # you should instead access the existing node's print el.xpath('img/@src') # same here, not /img/@src ... ['/foobar'] ['my_img.png'] 希望这有帮助。
我在从 xml 文件中提取文本时遇到问题，但我的代码不允许我获得我期望获得的内容。 这是代码的一部分。 根 = etree.fromstring(xml) 标题 = root.findall('
python lxml 添加/修改/替换 html 元素的innerHTML
我正在使用 lxml 来解析示例 html。像这样： 导入lxml.html __dom = lxml.html.fromstring("") ...
python lxml xpath 查询在硬编码的 url 上失败，但适用于字节字符串
我正在尝试从文本标签中提取 xml 属性 parsable-cite 。我正在从 url“https://www.congress.gov/118/bills/hr61/BILLS-118hr61ih.xml”解析 xml。 我正在使用的代码...
无法在python中使用docx lib，无法从lxml导入etree
我在尝试使用 python 操作 MS 文档时遇到了这个问题。 我面临的错误是这样的： 回溯（最近一次调用最后一次）： 文件“C:\Users\user\Desktop\Report Writer\
我必须转换一些漂亮的汤代码。 基本上我想要的只是获取主体节点的所有子节点并选择其中包含文本并存储它们。 这是 bs4 的代码： def get_children(se...
我需要根据属性的内容，使用python的lxml完全删除元素。例子： 将 lxml.etree 导入为 et xml=""" 我需要使用 python 的 lxml 根据属性的内容完全删除元素。示例： import lxml.etree as et xml=""" <groceries> <fruit state="rotten">apple</fruit> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="rotten">mango</fruit> <fruit state="fresh">peach</fruit> </groceries> """ tree=et.fromstring(xml) for bad in tree.xpath("//fruit[@state=\'rotten\']"): #remove this element from the tree print et.tostring(tree, pretty_print=True) 我想打印： <groceries> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="fresh">peach</fruit> </groceries> 有没有办法在不存储临时变量并手动打印的情况下执行此操作，如： newxml="<groceries>\n" for elt in tree.xpath('//fruit[@state=\'fresh\']'): newxml+=et.tostring(elt) newxml+="</groceries>" 使用 xmlElement 的 remove 方法： tree=et.fromstring(xml) for bad in tree.xpath("//fruit[@state=\'rotten\']"): bad.getparent().remove(bad) # here I grab the parent of the element to call the remove directly on it print et.tostring(tree, pretty_print=True, xml_declaration=True) 如果我必须与 @Acorn 版本进行比较，即使要删除的元素不直接位于 xml 的根节点下，我的版本也会工作。 您正在寻找 remove 功能。调用树的删除方法并向其传递一个要删除的子元素。 import lxml.etree as et xml=""" <groceries> <fruit state="rotten">apple</fruit> <fruit state="fresh">pear</fruit> <punnet> <fruit state="rotten">strawberry</fruit> <fruit state="fresh">blueberry</fruit> </punnet> <fruit state="fresh">starfruit</fruit> <fruit state="rotten">mango</fruit> <fruit state="fresh">peach</fruit> </groceries> """ tree=et.fromstring(xml) for bad in tree.xpath("//fruit[@state='rotten']"): bad.getparent().remove(bad) print et.tostring(tree, pretty_print=True) 结果： <groceries> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="fresh">peach</fruit> </groceries> 我遇到过一种情况： <div> <script> some code </script> text here </div> div.remove(script) 将删除我无意的 text here 部分。 按照here的答案，我发现etree.strip_elements对我来说是一个更好的解决方案，您可以通过with_tail=(bool)参数控制是否删除后面的文本。 但是我仍然不知道这是否可以使用xpath过滤器作为标签。只是为了通知而已。 这是文档： strip_elements(tree_or_element, *tag_names, with_tail=True) 从树中删除具有提供的标签名称的所有元素或 子树。这将删除元素及其整个子树， 包括它们的所有属性、文本内容和后代。它 还将删除元素的尾部文本，除非您 明确将 with_tail 关键字参数选项设置为 False。 标签名称可以包含通配符，如 _Element.iter。 请注意，这不会删除该元素（或 ElementTree 根 元素）您传递的即使它匹配。它只会治疗 它的后代。如果要包含根元素，请选中 在调用此函数之前就直接使用其标签名称。 使用示例:: strip_elements(some_element, 'simpletagname', # non-namespaced tag '{http://some/ns}tagname', # namespaced tag '{http://some/other/ns}*' # any tag from a namespace lxml.etree.Comment # comments ) 正如已经提到的，您可以使用 remove() 方法从树中删除（子）元素： for bad in tree.xpath("//fruit[@state=\'rotten\']"): bad.getparent().remove(bad) 但是它会删除包括其 tail 在内的元素，如果您正在处理 HTML 之类的混合内容文档，这是一个问题： <div><fruit state="rotten">avocado</fruit> Hello!</div> 成为 <div></div> 我想这就是你并不总是想要的:) 我创建了辅助函数来仅删除元素并保留其尾部： def remove_element(el): parent = el.getparent() if el.tail.strip(): prev = el.getprevious() if prev: prev.tail = (prev.tail or '') + el.tail else: parent.text = (parent.text or '') + el.tail parent.remove(el) for bad in tree.xpath("//fruit[@state=\'rotten\']"): remove_element(bad) 这样它将保留尾部文本： <div> Hello!</div> 您还可以使用 lxml 中的 html 来解决这个问题： from lxml import html xml=""" <groceries> <fruit state="rotten">apple</fruit> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="rotten">mango</fruit> <fruit state="fresh">peach</fruit> </groceries> """ tree = html.fromstring(xml) print("//BEFORE") print(html.tostring(tree, pretty_print=True).decode("utf-8")) for i in tree.xpath("//fruit[@state='rotten']"): i.drop_tree() print("//AFTER") print(html.tostring(tree, pretty_print=True).decode("utf-8")) 它应该输出这个： //BEFORE <groceries> <fruit state="rotten">apple</fruit> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="rotten">mango</fruit> <fruit state="fresh">peach</fruit> </groceries> //AFTER <groceries> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="fresh">peach</fruit> </groceries> remove 函数从树中分离元素，因此删除 XML 节点（元素、PI 或注释）、其内容（后代项）和 tail 文本。在这里，保留 tail 文本是多余的，因为它只包含空格和换行符，可以将其视为可忽略的空格。 要删除元素（及其内容），保留其 tail，您可以使用以下函数： def remove_node(child, keep_content=False): """ Remove an XML element, preserving its tail text. :param child: XML element to remove :param keep_content: ``True`` to keep child text and sub-elements. """ parent = child.getparent() parent_text = parent.text or u"" prev_node = child.getprevious() if keep_content: # insert: child text child_text = child.text or u"" if prev_node is None: parent.text = u"{0}{1}".format(parent_text, child_text) or None else: prev_tail = prev_node.tail or u"" prev_node.tail = u"{0}{1}".format(prev_tail, child_text) or None # insert: child elements index = parent.index(child) parent[index:index] = child[:] # insert: child tail parent_text = parent.text or u"" prev_node = child.getprevious() child_tail = child.tail or u"" if prev_node is None: parent.text = u"{0}{1}".format(parent_text, child_tail) or None else: prev_tail = prev_node.tail or u"" prev_node.tail = u"{0}{1}".format(prev_tail, child_tail) or None # remove: child parent.remove(child) 这是一个演示： from lxml import etree tree = etree.XML(u"<root>text <bad>before <bad>inner</bad> after</bad> tail</root>") bad1 = tree.xpath("//bad[1]")[0] remove_node(bad1) etree.dump(tree) # <root>text tail</root> 如果您想保留内容，您可以这样做： tree = etree.XML(u"<root>text <bad>before <bad>inner</bad> after</bad> tail</root>") bad1 = tree.xpath("//bad[1]")[0] remove_node(bad1, keep_content=True) etree.dump(tree) # <root>text before <bad>inner</bad> after tail</root>