Question

尝试解析HTML，我无法遍历所有li元素：

from lxml import html

page="<ul><li>one</li><li>two</li></ul>"
tree = html.fromstring(page)

for item in tree.xpath("//li"):
  print(html.tostring(item))
  print(item.xpath("//li/text()"))

我期待这个输出：

b'<li>one</li>'
['one']
b'<li>two</li>'
['two']

但我明白了：

b'<li>one</li>'
['one', 'two']
b'<li>two</li>'
['one', 'two']

xpath如何在两个迭代步骤中从li获取item元素'文本？

我可以使用计数器作为索引来解决这个问题，但我想了解发生了什么。

Answer 1

item.xpath("//li/text()")将搜索整个树中的所有li元素。由于您需要当前节点的文本，因此您只需获取text()：item.xpath("text()")。

或者，更好的是，只需获取text content：

for item in tree.xpath("//li"):
  print(html.tostring(item))
  print(item.text_content())

Answer 2

来自Lxml html xpath context：

XPath表达式//input将匹配文档中任何位置的所有输入元素，而.//input将匹配所有内部当前上下文。

解决方案是使用：

from lxml import html

page="<ul><li>one</li><li>two</li></ul>"
tree = html.fromstring(page)

for item in tree.xpath("//li"):
  print(html.tostring(item))
  print(item.xpath(".//text()")) #only changed line

在.之前添加//会阻止匹配整个文档，因为您已经在li/标记的“内部”，因此需要删除li。

输出结果为：

b'<li>one</li>'
['one']
b'<li>two</li>'
['two']

lxml HtmlElement xpath解析了它应该能够做的事情

2 个答案: