使用撇号的Python XPath解析标记

Question

我是XPath的新手。我正在尝试使用XPath解析页面。我需要从标签中获取信息，但是标题中的撇号撇开了所有内容。

对于解析我使用Grab。

来自来源的标签：

<img src='somelink' border='0' alt='commission:Alfred\'s misadventures' title='commission:Alfred\'s misadventures'>

实际XPath：

g.xpath('.//tr/td/a[3]/img').get('title')

返回

commission:Alfred\\

有什么方法可以解决这个问题吗？

由于

Answer 1

垃圾进，垃圾出您的输入格式不正确，因为它不正确地逃脱了单引号字符。许多编程语言（包括Python）使用反斜杠字符来转义字符串文字中的引号。 XML没有。你应该1）用双引号包围属性的值;或2）使用'包含单引号。

来自the XML spec：

  

要允许属性值包含单引号和双引号，   撇号或单引号字符（'）可以表示为“   '“和双引号字符（”）为“"”。

Answer 2

由于嵌套的撇号，提供的“XML”不是一个格式良好的文档，因此无法在其上评估XPath表达式。

提供的格式不正确的文本可以更正为：

<img src="somelink"
 border="0"
 alt="commission:Alfred's misadventures"
 title="commission:Alfred's misadventures"/>

如果有一个奇怪的要求不使用引号，那么正确的转换是：

<img src='somelink'
 border='0'
 alt='commission:Alfred&apos;s misadventures'
 title='commission:Alfred&apos;s misadventures'/>

如果您使用C＃等语言提供了错误的输入，则可以尝试使用将其转换为正确的对应方：

string correctXml = input.replace("\\'s", "'s")

可能在Python中也有类似的方法。