我如何使用lxml和python遍歷 <body> html文檔及其子元素

Question

我想獲取一個html文檔，並使用其子元素遍歷該文檔的<body>部分。 我看到了很多通過xpath或標記名獲取子樹的示例，但這似乎沒有給孩子。

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))

這將輸出

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

非常感謝任何幫助。

Answer 1

我有類似的困難，然后我發現每個etree節點都有一個迭代器，如果它的父節點可以遍歷該迭代器

例如，root在這里將為您提供身體，您可以迭代身體的每個元素

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

看來您的html代碼格式無效，我剛剛用beautifuSoup寫了一個小程序，也許您可以根據自己的目的進行修改：

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)

輸出量

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

我如何使用lxml和python遍歷 <body> html文檔及其子元素

問題描述

2 個解決方案

解決方案1
2 已采納 2018-02-28 05:11:33

解決方案2
0 2018-02-28 05:13:30

我如何使用lxml和python遍歷 <body> html文檔及其子元素

問題描述

2 個解決方案

解決方案1 2 已采納 2018-02-28 05:11:33

解決方案2 0 2018-02-28 05:13:30

解決方案1
2 已采納 2018-02-28 05:11:33

解決方案2
0 2018-02-28 05:13:30