python lxml xpath在帶有文本的列表中返回轉義字符

Question

在上周之前，我在Python上的經驗非常局限於我們網絡上的大型數據庫文件，突然間我進入了試圖從html表中提取信息的世界。

經過大量閱讀后，我選擇使用lxml和xpath與Python 2.7來檢索有問題的數據。 我使用以下代碼檢索了一個字段：

xpath = "//table[@id='resultsTbl1']/tr[position()>1]/td[@id='row_0_partNumber']/child::text()" 

產生了以下清單：

['\r\n\t\tBAR18FILM/BKN', '\r\n\t\t\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t\r\n\t\t']

我認出了CR / LF和標簽轉義字符，我想知道如何避免它們？

Answer 1

這些字符是XML文檔的一部分，這就是它們被返回的原因。 你無法避免它們，但你可以將它們剝離出來。 您可以對返回的每個項調用.strip()方法：

results = [x.strip() for x in results]

這將剝離前導和尾隨空格。 如果沒有看到您的實際代碼和數據，就很難給出一個好的答案。

例如，給定此腳本：

#!/usr/bin/python

from lxml import etree

with open('data.xml') as fd:
    doc = etree.parse(fd)

results = doc.xpath(
    "//table[@id='results']/tr[position()>1]/td/child::text()")

print 'Before stripping'
print repr(results)

print 'After stripping'
results = [x.strip() for x in results]
print repr(results)

這個數據：

<doc>
  <table id="results">
    <tr>
      <th>ID</th><th>Name</th><th>Description</th>
    </tr>

    <tr>
      <td>
      1
      </td>
      <td>
      Bob
      </td>
      <td>
      A person
      </td>
      </tr>
    <tr>
      <td>
      2
      </td>
      <td>
      Alice
      </td>
      <td>
      Another person
      </td>
    </tr>
  </table>
</doc>

我們得到這些結果：

Before stripping
['\n\t\t\t1\n\t\t\t', '\n\t\t\tBob\n\t\t\t', '\n\t\t\tA person\n\t\t\t', '\n\t\t\t2\n\t\t\t', '\n\t\t\tAlice\n\t\t\t', '\n\t\t\tAnother person\n\t\t\t']
After stripping
['1', 'Bob', 'A person', '2', 'Alice', 'Another person']