python - 如何将 lxml.etree._ElementTree 列表保存到文件

Question

我在 lxml 库方面遇到了一个恼人的问题，并且不知道如何解决它。

我有一个 lxml.etree._ElementTree 树列表和一个属于这些树的 lxml.html.HtmlElement 列表，并且将相应的路径存储在名为 paths 的列表中

element_found = [True if len(tree.xpath(path)) > 0 else False for tree,path in zip(trees,paths)]
print(element_found.count(False)) # == 0

当我尝试保存路径和树以便稍后检索此状态时，问题就出现了:

trees_to_save = [{'tree': lxml.etree.tostring(tree, pretty_print=True)} for tree in trees]
t2sdf = pd.DataFrame(trees_to_save)
t2sdf.to_csv('trees.csv')

EncodeForamt = lxml.html.HTMLParser(encoding='utf-8')

trees_from_file = pd.read_csv('trees.csv')
trees_from_file['tree'] = trees_from_file['tree'].apply(lambda x: etree.HTML(literal_eval(x),EncodeForamt).getroottree())

然后运行相同的测试:

element_found = [True if len(tree.xpath(path)) > 0 else False for tree,path in zip(trees_from_file,paths)]
print(element_found.count(False)) # == 6 (out of 12k)

一般来说，我试图完成找到的所有路径，显然存在往返字符串方法以及我如何保存树的问题。我已经尝试了lxml库中的各种方法，例如tree.write，而不是字符串，而不是literal_eval只是.encode('utf-8')，但没有效果，有或没有pretty_print，也尝试了etree.from_string()一切都相同的结果...

令人担忧的是，这也会引发 XML 语法错误:

trees = [etree.fromstring(etree.tostring(t)) for t in trees]

我有点不知道如何正确保存这些树木......

Answer 1

好吧，在尝试了我能找到的所有内容之后，我想出了如何完成此操作，需要使用解析而不是 tostring:

trees_to_save = [{'tree': lxml.etree.tostring(tree,encoding='utf-8',method='html')} for tree in trees]
t2sdf = pd.DataFrame(trees_to_save)
t2sdf.to_csv('location_trees.csv')

trees_from_file = pd.read_csv('location_trees.csv')
EncodeForamt = lxml.etree.HTMLParser(encoding='utf-8')
trees_from_file['tree'] = trees_from_file['tree'].apply(lambda x: lxml.etree.parse(x,parser=EncodeForamt))