lxml將元素轉換為elementtree

Question

以下測試讀取文件，並使用lxml.html為頁面生成DOM / Graph的葉節點。

但是，我也試圖弄清楚如何從“字符串”獲取輸入。 運用

 lxml.html.fromstring(s)

不起作用，因為這會生成“元素”而不是“ElementTree”。

所以，我想弄清楚如何將元素轉換為ElementTree。

思考

測試代碼::

import lxml.html
from lxml import etree    # trying this to see if needed 
                          # to convert from element to elementtree


  #cmd='cat osu_test.txt'
  cmd='cat o2.txt'
  proc=subprocess.Popen(cmd, shell=True,stdout=subprocess.PIPE)
  s=proc.communicate()[0].strip()

  # s contains HTML not XML text
  #doc = lxml.html.parse(s)
  doc = lxml.html.parse('osu_test.txt')
  doc1 = lxml.html.fromstring(s)

  for node in doc.iter():
  if len(node) == 0:
     print "aaa ",node.tag, doc.getpath(node)
     #print "aaa ",node.tag

  nt = etree.ElementTree(doc1)        <<<<< doesn't work.. so what will??
  for node in nt.iter():
  if len(node) == 0:
     print "aaa ",node.tag, doc.getpath(node)
     #print "aaa ",node.tag

===============================

更新:::

（解析html而不是xml）添加了Abbas建議的更改。 得到以下錯誤：

    doc1 = etree.fromstring(s)
  File "lxml.etree.pyx", line 2532, in lxml.etree.fromstring (src/lxml/lxml.etree.c:48621)
  File "parser.pxi", line 1545, in lxml.etree._parseMemoryDocument (src/lxml/lxml.etree.c:72232)
  File "parser.pxi", line 1424, in lxml.etree._parseDoc (src/lxml/lxml.etree.c:71093)
  File "parser.pxi", line 938, in lxml.etree._BaseParser._parseDoc (src/lxml/lxml.etree.c:67862)
  File "parser.pxi", line 539, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:64244)
  File "parser.pxi", line 625, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:65165)
  File "parser.pxi", line 565, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:64508)
lxml.etree.XMLSyntaxError: Entity 'nbsp' not defined, line 48, column 220

UPDATE :::

管理以使測試工作。 我不確定為什么。 如果有py chop的人想要提供解釋，這將有助於未來的人偶然發現這一點。

from cStringIO import StringIO
from lxml.html import parse

doc1 = parse(StringIO(s))

for node in doc1.iter():
    if len(node) == 0:
        print "aaa ", node.tag, doc1.getpath(node)

似乎StringIO模塊/類實現了IO功能，它滿足了解析包需要繼續處理測試html的輸入字符串。 類似於鑄造提供的其他語言也許......

謝謝

Answer 1

要從_Element （使用lxml.html.fromstring生成）獲取根樹，可以使用getroottree方法：

doc = lxml.html.parse(s)
tree = doc.getroottree()

Answer 2

etree.fromstring方法解析XML字符串並返回根元素。 etree.ElementTree類是元素周圍的樹包裝器，因此需要一個元素進行實例化。

因此，將根元素傳遞給etree.ElementTree()構造函數應該可以為您提供所需的內容：

root = etree.fromstring(s)
nt = etree.ElementTree(root)

Answer 3

一個_Element ，通過如下調用返回：

tree = etree.HTML(result.read(), etree.HTMLParser())

可以像這樣制作一個_ElementTree ：

tree    = tree.getroottree() # convert _Element to _ElementTree

希望這是你所期望的。