Python - 无法使用LXML访问某些标签.HTML

另一天的另一个问题，对所有帖子感到抱歉。昨天，用户“J.F. Sebastian”给了我一个很好的建议，使用LXML.HTML，而不是仅仅使用LXML。Python - 无法使用LXML访问某些标签.HTML

今天我使用它作为另一个饲料http://feeds.bbc.co.uk/iplayer/search/tv/?q=news，但我只是无法访问内容元素中的一对标签。

这里是饲料的数据样本：

<entry> 
    <title type="text">BBC News at Six: 06/03/2013</title> 
    <id>tag:feeds.bbc.co.uk,2008:PIPS:b01r27mt</id> 
    <updated>2013-03-07T00:20:38Z</updated> 
    <content type="html"> 
     &lt;p&gt; 
    &lt;a href=&quot;http://www.bbc.co.uk/iplayer/episode/b01r27mt/BBC_News_at_Six_06_03_2013/&quot;&gt; 
     &lt;img src=&quot;http://ichef.bbci.co.uk/programmeimages/episode/b01r27mt_150_84.jpg&quot; alt=&quot;BBC News at Six: 06/03/2013&quot; /&gt; 
    &lt;/a&gt; 
     &lt;/p&gt; 
     &lt;p&gt; 
    National and international news stories from the BBC News team, followed by weather. 
     &lt;/p&gt; 
    </content> 
    <category term="News" /> 
    <category term="TV" /> 
    <link rel="alternate" href="http://www.bbc.co.uk/iplayer/episode/b01r27mt/BBC_News_at_Six_06_03_2013/" type="text/html" title="BBC News at Six: 06/03/2013"> 
     <media:content> 
    <media:thumbnail url="http://ichef.bbci.co.uk/programmeimages/episode/b01r27mt_150_84.jpg" width="150" height="84" /> 
     </media:content> 
    </link> 
    <link rel="self" href="http://feeds.bbc.co.uk/iplayer/episode/b01r27mt" type="application/atom+xml" title="06/03/2013" /> 
    <link rel="related" href="http://www.bbc.co.uk/programmes/b007mpkn/microsite" type="text/html" title="BBC News at Six" /> 
    </entry>

看来，内容标签内的标签文字和没有得到正确的解析。这里是我的代码：

tree = html.parse("http://feeds.bbc.co.uk/iplayer/search/tv/?q=news") 
for show in tree.xpath('//entry'): 
    select = lambda expr: show.cssselect(expr)[0] 
    icon_url=select("thumbnail").get('url') 
    print "icon_url: ", icon_url 
    name=select('title').text_content() 
    print "name: ", name 
    stream=select('id').text_content() 
    print "stream: ", stream 
    date=select('updated').text_content() 
    print "date: ", date 
    content=select('content').text_content() 
    print "content: ", content 
    #links = (re.compile ('\n  &lt;p&gt;\n  &lt;a href=&quot;.+?&quot;&gt;\n   &lt;img src=&quot;(.+?)&quot; alt=&quot;.+?&quot; /&gt;\n  &lt;/a&gt;\n  &lt;/p&gt;\n  &lt;p&gt;\n  ').findall(content)) 
    #print "links: ", links 
    #short=links 
    #print "short: ", short

我想与程序描述成以上的短期变量的第二p标签，但我似乎不能够使用LXML选择这个标签，我不能让正则表达式来选择我想要的行..

任何想法？

来源

2013-03-07 mcquaim

您需要取消引用该文本才能得到html然后再解析它。

从here

from xml.sax import saxutils as su 

unqoutedHtml = su.unescape(content) 
newElement = html.document_fromstring(unqoutedHtml)

来源

2013-03-07 09:40:09 vikki

Python - 无法使用LXML访问某些标签.HTML

回答

相关问题