Question

我正在努力了解python的lxml库的一部分。

获取以下html文件，即 sample.html 。

<div class="team">
    <ul class="team-members">
        <li class="team-member">
                <span class="team-member-name">John Doe</span>
                <span class="team-member-age">30</span>
            </li>
        <li class="team-member">
                <span class="team-member-name">Jane Doe</span>
                <span class="team-member-age">32</span>
            </li>
        </ul>
    </div>
<div class="team">
    <ul class="team-members">
        <li class="team-member">
                <span class="team-member-name">Joe Smith</span>
                <span class="team-member-age">28</span>
            </li>
        <li class="team-member">
                <span class="team-member-name">Jill Smith</span>
                <span class="team-member-age">41</span>
            </li>
        </ul>
    </div>

我可以将此html导入lxml树：

from lxml import html

file = open("sample.html",'r')
sample = file.read()

tree = html.fromstring(sample)

然后，我可以使用xpath来获取html中所有文本原子的列表，如下所示：

tree.xpath('//text()')

当我通过如下所示的xpath时出现问题：

elements = tree.xpath("//li")

打印元素产量

[<Element li at 0x48be638>,
 <Element li at 0x48be9f8>,
 <Element li at 0x48beb88>,
 <Element li at 0x48bec78>]

我可以将xpath传递给每个，但是每个的行为就像原始树一样！例如，

elements[0].xpath('//text()')

似乎返回与上面完全相同的列表。但是，

elements[0].tag

返回“ li”，因此每个元素似乎都有一些有关其来源的记录。

问题：理想情况下，我希望能够分别访问html文档中的每个列表成员，并将xpath传递给每个成员。这样有可能吗？每个“元素li”实际上包含什么信息？

Answer 1

elements[0].xpath('//text()')在给定的HTML DOM中返回所有个文本节点。要获取elements[0]的后代文本节点，您需要以点（context node）开始XPath：

elements[0].xpath('.//text()')

将xpath表达式传递给xpath结果

1 个答案: