我如何使用lxml和python遍历 <body> html文档及其子元素

Question

我想获取一个html文档，并使用其子元素遍历该文档的<body>部分。 我看到了很多通过xpath或标记名获取子树的示例，但这似乎没有给孩子。

import lxml
from lxml import html, etree  

html3 = "<html><head><title>test<body><h1>page title</h3><p>some text</p>"
root = lxml.html.fromstring(html3)
tree = etree.ElementTree(root)
for el in root.iter():
    # do something
    print(el.text, tree.getpath(el))

这将输出

None /html
None /html/head
test /html/head/title
None /html/body
page title /html/body/h1
some text /html/body/p

我只想要

page title /html/body/h1
some text /html/body/p

非常感谢任何帮助。

Answer 1

我有类似的困难，然后我发现每个etree节点都有一个迭代器，如果它的父节点可以遍历该迭代器

例如，root在这里将为您提供身体，您可以迭代身体的每个元素

from lxml import etree
parser = etree.HTMLParser()
tree   = etree.parse('yourdocument.html', parser)

root = tree.xpath('/html/body/')[0]
for i in root.getiterator():
    print(i.tag,i.text)

Answer 2

看来您的html代码格式无效，我刚刚用beautifuSoup写了一个小程序，也许您可以根据自己的目的进行修改：

from bs4 import BeautifulSoup
html3 = "<html><head><title>test</title></head><body><h1>page title</h1><p>some text</p><body></html>"
soup = BeautifulSoup(html3, "html5lib")
body = soup.find('body')

for item in body.findChildren():
    print(item)

输出量

<h1>page title</h1>
<p>some text</p>

我如何使用lxml和python遍历 <body> html文档及其子元素

问题描述

2 个解决方案

解决方案1
2 已采纳 2018-02-28 05:11:33

解决方案2
0 2018-02-28 05:13:30

我如何使用lxml和python遍历 <body> html文档及其子元素

问题描述

2 个解决方案

解决方案1 2 已采纳 2018-02-28 05:11:33

解决方案2 0 2018-02-28 05:13:30

解决方案1
2 已采纳 2018-02-28 05:11:33

解决方案2
0 2018-02-28 05:13:30