Question

例如，请考虑以下HTML：

<div class="class1">
  <div id="element1">
    text1
  </div>
  <div id="element2">
    text2
  </div>
  <div id="element3">
    text3
  </div>
</div>

我想要实现的是解析不同的元素，这些元素已知。

我现在这样做的方式：

index = len(tree.xpath('//div[@class="class1"]')
for i in range(0, index):
    print tree.xpath('//div[@class="class1"][i]/text()')

但是当涉及更长的xpath时，它变得有点混乱。还有另一种方法吗？

编辑 -

例如，

first_elem = tree.xpath('//div[@class="class1"]')[0]

是否可以执行以下操作：

first_elem.xpath()在<div id="element1">进行搜索？

编辑 -

在lxml中找到了一种奇怪的方法：

for i in tree.xpath('//div[@class="class1"]'):
    str1 = html.tostring(i)
    tree = html.fromstring(str1)
    < do things here >

Answer 1

您可以使用starts-with获取div以id开头的element

for i in tree.xpath("//div[starts-with(@id, 'element')]/text()"):
    print(i.strip())

，这会产生

text1
text2
text3

Answer 2

如果您想获取元素的所有Childs，我建议使用iter()：

for element in tree.iter():
    print element.text.strip()

输出：

text1
text2
text3

您还可以定义标记名tree.iter(tag="div")

Answer 3

当您这样做时，xpath似乎错了 -

tree.xpath('//div[@class="class1"][i]/text()')

i不会自动替换。在任何情况下，你不需要做你正在做的事情，tree.xpath将返回所有匹配元素的列表，你可以简单地使用你想要的xpath（即使它导致多个元素），然后迭代结果并打印出来。示例（或您要做的事） -

for i in tree.xpath('//div[@class="class1"]/div/text()'):
    print i

这应该将主要div中每个div内的文字打印为属性class为class1。

如果您知道一种唯一标识元素的方法（使用属性/索引等），您甚至不需要它，您可以直接使用它来获取element1的文本，使用 -

for i in tree.xpath('//div[@id="element1"]/text()'):
    print i

此外，您的xml似乎有许多不需要的换行符和空格，您可以通过调用i.strip()来删除它们。

如何以优雅的方式递归地解析LXML？

3 个答案: