lxml解析中的命名空間參數

Question

我有一個我正在嘗試解析的html頁面。這是我在用lxml做的事情：

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。爲什麼會發生這種情況，我如何解決這個問題？

Answer 1

您需要使用命名空間前綴同時查詢。像

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

，或者您可以使用.nsmap

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

這是假設所有的命名空間由node指出標記定義。這通常適用於大多數xml文檔。

Answer 2

你可以在這裏添加命名空間，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>] 

和更好的方式來做到這將是使用lxml's HTML解析器：

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