Question

在上周之前，我在Python上的经验非常局限于我们网络上的大型数据库文件，突然间我开始尝试从html表中提取信息。

经过大量阅读后，我选择使用lxml和xpath与Python 2.7来检索有问题的数据。我使用以下代码检索了一个字段：

xpath = "//table[@id='resultsTbl1']/tr[position()>1]/td[@id='row_0_partNumber']/child::text()"

产生了以下列表：

['\r\n\t\tBAR18FILM/BKN', '\r\n\t\t\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t', '\r\n\t\t\t\r\n\t\t']

我认出了CR / LF和制表符转义字符，我想知道如何避免它们？

Answer 1

这些字符是XML文档的一部分，这就是返回它们的原因。你无法避免它们，但你可以将它们剥离出来。您可以对返回的每个项目调用.strip()方法：

results = [x.strip() for x in results]

这将剥离前导和尾随空格。如果没有看到您的实际代码和数据，就很难给出一个好的答案。

例如，给定此脚本：

#!/usr/bin/python

from lxml import etree

with open('data.xml') as fd:
    doc = etree.parse(fd)

results = doc.xpath(
    "//table[@id='results']/tr[position()>1]/td/child::text()")

print 'Before stripping'
print repr(results)

print 'After stripping'
results = [x.strip() for x in results]
print repr(results)

这个数据：

<doc>
  <table id="results">
    <tr>
      <th>ID</th><th>Name</th><th>Description</th>
    </tr>

    <tr>
      <td>
      1
      </td>
      <td>
      Bob
      </td>
      <td>
      A person
      </td>
      </tr>
    <tr>
      <td>
      2
      </td>
      <td>
      Alice
      </td>
      <td>
      Another person
      </td>
    </tr>
  </table>
</doc>

我们得到了这些结果：

Before stripping
['\n\t\t\t1\n\t\t\t', '\n\t\t\tBob\n\t\t\t', '\n\t\t\tA person\n\t\t\t', '\n\t\t\t2\n\t\t\t', '\n\t\t\tAlice\n\t\t\t', '\n\t\t\tAnother person\n\t\t\t']
After stripping
['1', 'Bob', 'A person', '2', 'Alice', 'Another person']

python lxml xpath在带有文本的列表中返回转义字符

1 个答案: