python lxml在windows和linux上有不同的结果

Question

Linux的

>>> from lxml import etree
>>> html='''<td><a href=''>a1</a></td>
... <td><a href=''>a2</a></td>
... '''
>>> p=etree.HTML(html)
>>> a=p.xpath("//a[1]")
>>> for i in a:
...    print i.text
... 
a1
a2

窗口。

>>> html='''<td><a href=''>a1</a></td>
... <td><a href=''>a2</a></td>
... '''
>>> from lxml import etree
>>> p=etree.HTML(html)
>>> a=p.xpath("//a[1]")
>>> for i in a:
...    print i.text
...
a1
>>> b=p.xpath("//a[2]")
>>> for i in b:
...    print i.text
...
a2

在Windows中，我可以轻松使用a[1]和a[2]来获取这两个值。 但在Linux中，xpath //a[1]将这两个链接文本放在一起。

这使得程序在这些操作系统中不那么兼容。我必须修改不同操作系统上的代码。 它是一个lxml模块错误吗？对此有何解决方案？

Answer 1

我可以在您报告的Linux上确认相同的结果。它返回两个元素的列表，而不是1个单元素。

什么是xpath //a[1]要求

要求任何a元素首先在其上下文中。

由于a内嵌有td元素，因此td是计算位置的上下文，并且会出现两种情况。

将xpath更改为"(//a)[1]"可以解决问题。

引自MSDN on Operators and Special Characters

  

过滤模式运算符（[]）的优先级高于路径运算符（/和//）。例如，表达式// comment（）[3]选择索引等于3的所有注释，相对于文档中任何位置的注释父项。这与表达式（// comment（））[3]不同，后者从相对于父项的所有注释的集合中选择第三个注释。第一个表达式可以返回多个注释，而后者只能返回一个注释。

降级Windows lxml版本3.3.5

xpath //a[1]只返回提供文档的一个元素是完全错误的，应该报告给lxml作者。

lxml在不同平台和操作系统上的状态：

• Win：lxml 2.3.0 - 确定
• Win：lxml 3.3.5 - BUG
• Lin：lxml 3.3.5 - 确定
• Lin：lxml 2.3.0 - 确定

为了使您的解决方案具有可移植性，您需要lxml==2.3.0，因为此版本在Windows上以及在Linux上正常运行（可能有另一个版本在两个平台上运行良好，我没有测试更多）。

奖金 - 测试套件

假设您已安装nose

$ pip install nose

您可以使用以下test_xpath.py：

from lxml import etree
import nose

print "=================================="
print "lxml version: ", etree.__version__
print "=================================="

def test_html():
    html_str = """
    <td><a href=''>a1</a></td>
    <td><a href=''>a2</a></td>
    """
    doc = etree.HTML(html_str.strip())
    elms = doc.xpath("//a[1]")
    assert len(elms) == 2, """xpath `//a[1]` shall return 2 elements"""
    assert all(elm.tag == "a" for elm in elms), "all returned elements shall be `a`"
    assert elms[0].text == "a1"
    assert elms[1].text == "a2"

def test_xml():
    xml_str = """
    <root>
        <td><a href=''>a1</a></td>
        <td><a href=''>a2</a></td>
    </root>
    """
    doc = etree.fromstring(xml_str.strip())
    elms = doc.xpath("//a[1]")
    assert len(elms) == 2, """xpath `//a[1]` shall return 2 elements"""
    assert all(elm.tag == "a" for elm in elms), "all returned elements shall be `a`"
    assert elms[0].text == "a1"
    assert elms[1].text == "a2"

nose.main()

快速执行测试：

$ python test_xpath.py  -v
==================================
lxml version:  2.3.0
==================================
test_xpath.test_html ... ok
test_xpath.test_xml ... ok

----------------------------------------------------------------------
Ran 2 tests in 0.002s

OK