- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 lxml 和 Python 从网站中过滤掉文本,但是,格式可能非常不规则。 (这是一个论坛。)
例如,我可能有:
<a>
<c>
<d>
MARKER some text
</d>
</c>
MARKER other text 1
<b>MARKER other text 2</b>
M<b>ARKE</b>R <e>other</e> text 3
</a>
我希望我的 xpath 返回给我:
MARKER other text 1
<b>MARKER other text 2</b>
M<b>ARKE</b>R <e>other</e> text 3
换句话说,我希望能够解析嵌套文本,但也返回带标记的文本。
我目前拥有的是:
filter = "//text()[not(parent::d[parent::c]) and contains(., 'MARKER')]"
filtered = root.xpath(self.vote_xpath)
for i in filtered:
print(i)
哪里root
是一个从字符串解析出来的元素树,它返回我:
MARKER other text 1
MARKER other text 2
这无法返回带有 MARKER 的最后文本,也无法保持我想要的格式。
我应该如何从这里开始?
编辑:好的,我一直在摆弄 xpath。
//node()[not(parent::d[parent::c]) and contains(., 'MARKER')]
运行于:
<a>
<c>
<d>
some text
</d>
</c>
other text 1
<b>other text 2</b>
M<b>ARKE</b>R <e>other</e> text 3
</a>
成功注册 MARKER
被 <b>
打破了标签,自 node()
将整个节点传递给 contains
筛选。但是,它返回整个父节点的匹配项,在本例中它只返回整个 <a>
。节点及其所有内容。
我应该如何处理才能使 xpath 仅返回匹配的部分?
最佳答案
从不同的角度来看它可能会有所帮助。您的半完整解决方案侧重于所需数据的父元素,但您也可以使用子路径标识符或相对路径标识符。
我得到了这个 XPATH:
a/c/following-sibling::node()
返回:
MARKER other text 1
<b>MARKER other text 2</b>
M
<b>ARKE</b>
R
<e>other</e>
text 3
虽然这不是您正在寻找的格式,但它是正确的数据,XPATH 并不是真正用于格式化您的结果,因此在那里没有太多工作要做。
关于python - lxml XPath-过滤所有文本,包括尾部,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20812396/
我有以下xml文件 10.10.0.135::3111 10.10.0.130::3111 10.10.0.129::3111 10.
我已经为 PyPy 创建了一个 virtualenv: virtualenv test -p `which pypy` source test/bin/activate 我安装了以下依赖项: sudo
我正在尝试使用 lxml 的 ElementTree etree 在我的 xml 文档中查找特定标签。标签如下所示: 12 我希望使用 etree.find('text:statedAge
在 python 3.5 项目中,我必须读取一些 xml 文件,因此我决定使用 lxml 库。由于我正在阅读文件,因此根据文档执行此操作的最有效方法是使用 lxml.etree.parse(...)
执行 pip install lxml 或 pip install pyquery 会出现此错误: gcc: error trying to exec 'cc1': execvp: No such f
我正在使用下面的代码获取一个部分的所有 html 内容以保存到数据库 el = doc.get_element_by_id('productDescription') lxml.html.tostri
我想以可区分的方式打印出 etree 的树结构(由 html 文档形成)(意味着两个 etree 应该以不同的方式打印出来)。 我所说的结构是指树的“形状”,基本上是指所有标签,但没有属性,也没有文本
谁能解释为什么第一次调用 root.cssselect() 有效,而第二次失败? from lxml.html import fromstring from lxml import etree htm
我收到此错误“ImportError: No module named lxml”,即使确实安装了 LXML。具体来说,它安装在项目的 python Virtualenv 中。最终我正在研究 Pyth
我在 Windows 32 位上使用 Anaconda v4.2 和 Python 3.5,并想使用 lxml etree。我的 Anaconda 发行版包括 lxml 3.6.4,但我的 IDE(P
我有一个脚本,可以从 URL 列表的 XML 文件中提取一些术语。所有 URL 都可以访问 XML 数据。 它在第一次正确打开、解析和提取时工作正常,但随后在过程中被某些 XML 文件中断并出现此错误
我正在使用 mechanize/cookiejar/lxml 来读取页面,它适用于某些页面但不适用于其他页面。我在其中遇到的错误是标题中的错误。我不能在这里发布页面,因为它们不是 SFW,但是有没有办
这是一个基本的问题,我实际上在文档中找不到它:-/ 如下: img = house_tree.xpath('//img[@id="mainphoto"]')[0] 如何获取 的 HTML标记? 我尝
我只想说,这个问题我已经在Pip is already installed: but I am getting no module named lxml看到了并且已经看到关于以非 root 用户身份安
我通过 pip 安装了 lxml 3.3.5。现在我在运行一些 Django 测试时遇到了问题: Traceback (most recent call last): File "manage.p
我有一个 Django 应用程序,其中包含 Tastypie 提供的 RESTFull 服务。我使用 easy_install 安装 lxml 和 defusedxml,这样我就可以使用 xml 而不
我正在使用 lxml etree 创建 xml 或 REST 调用。我有命名空间的问题,因为如果没有正确制定,我会从服务器收到语法错误。 正如您在以下 2 个示例中所看到的,我应该得到例如 ns1、n
我对导航具有 lxml.etree namespace 的 xml 文档感到有些困惑。 .我已经看到了一些关于这个主题的主题( 1 、 2 )以及 lxml docs但仍然没有想出答案。 xml =
由于各种原因,我试图从lxml.html.fromstring()切换到lxml.html.html5parser.document_fromstring()。两者之间的最大区别是,第一个返回lxml
我需要通过向现有元素添加子元素来修改现有的 xml 文件。我使用 lxml 库。 Eric Idle 999-999-999 555-555-555
我是一名优秀的程序员,十分优秀!