Question

我有一个lxml etree HTMLParser对象，我正在尝试构建xpath以断言xpath，xpath的属性和该标记的文本。当标签的文本有单引号（'）或双引号（“）并且我已经用尽所有选项时，我遇到了问题。

这是我创建的示例对象

parser = etree.HTMLParser()
tree = etree.parse(StringIO(<html><body><p align="center">Here is my 'test' "string"</p></body></html>), parser)

以下是代码片段，然后是

中读取的变量的不同变体

   def getXpath(self)
     xpath += 'starts-with(., \'' + self.text + '\') and '
     xpath += ('count(@*)=' + str(attrsCount) if self.exactMatch else "1=1") + ']'

self.text基本上是标签的预期文本，在这种情况下：这是我的'test'“string”

当我尝试使用HTMLParser对象的xpath方法

时，这会失败

tree.xpath(self.getXpath())

原因是因为它获得的xpath是'/html/body/p[starts-with(.,'Here是我的'测试'“字符串”'）和1 = 1]'

如何从self.text变量中正确地转义单引号和双引号？我尝试过三重引用，在repr（）中包装self.text，或者执行re.sub或string.replace转义'和'with \'和\“

Answer 1

还有更多选项可供选择，尤其是"""和'''可能就是您想要的。

s = "a string with a single ' quote"
s = 'a string with a double " quote'
s = """a string with a single ' and a double " quote"""
s = '''another string with those " quotes '.'''
s = r"raw strings let \ be \"
s = r'''and can be added \ to " any ' of """ those things'''
s = """The three-quote-forms
       may contain
       newlines."""

Answer 2

根据我们可以看到in Wikipedia和w3 school的内容，您不应在节点内容中包含'和"，即使只有<和{据说{1}}严重违法。它们应该被相应的“预定义实体引用”替换，即&和'。

顺便说一句，我使用的Python解析器将透明地处理这个问题：写入时，它们会被替换;在阅读时，它们会被转换。

在您第二次阅读答案之后，我在Python解释器中使用"等测试了一些内容。它会为你逃避一切！

所以我们可以看到Python正确地逃避了事情。你可以复制粘贴你得到的错误信息（如果有的话）吗？

Answer 3

如果您使用python lxml，则该解决方案适用。最好将转义符留给lxml。我们可以使用lxml变量来做到这一点。假设我们有xpath如下：

//tagname[text='some_text']`

如果some_text同时具有单引号和双引号，则它将引起"Invalid Predicate error"。无论是为我逃避工作还是三引号。因为xml不接受三引号。

对我有用的解决方案是lxml变量。

我们如下转换xpath：

//tagname[text = $var]

然后执行

find = etree.XPath(xpath)

然后将这些变量评估为其值

elements = find(root, {'var': text})

如何正确地逃避单引号和双引号

3 个答案: