lxml解析中的命名空間參數

Question

我有一個要解析的HTML頁面。 這是我對lxml的處理方式：

node=etree.fromstring(html)
>>> node
<Element {http://www.w3.org/1999/xhtml}html at 0x110676a70>
>>> node.xpath('//body')
[]
>>> node.xpath('body')
[]

不幸的是，我所有的xpath調用現在都返回一個空列表。 為什么會發生這種情況，我將如何解決此呼叫？

Answer 1

您可以在此處添加名稱空間，如下所示：

>>> node.xpath('//xmlns:tr', namespaces={'xmlns':'http://www.w3.org/1999/xhtml'})
[<Element {http://www.w3.org/1999/xhtml}tr at 0x11067b6c8>, <Element {http://www.w3.org/1999/xhtml}tr at 0x11067b710>]

更好的方法是使用lxml's html解析器：

>>> node=lxml.html.fromstring(html)
>>> node.findall('body')
[<Element body at 0x1106b8f18>]

Answer 2

查詢時需要使用名稱空間前綴。 喜歡

node.xpath('//html:body', namespaces={'html': 'http://...'})

或者您可以使用.nsmap

node.xpath('//html:body', namespaces=node.nsmap)

假設所有名稱空間均在node指向的標記上定義。 對於大多數xml文檔來說通常都是這樣。