lxml解析中的命名空间参数

Question

我有一个我正在尝试解析的html页面。这是我在用lxml做的事情：

node=etree.fromstring(html) 
>>> node 
<Element {http://www.w3.org/1999/xhtml}html at 0x110676a70> 
>>> node.xpath('//body') 
[] 
>>> node.xpath('body') 
[] 

不幸的是，我所有的xpath调用现在都返回一个空列表。为什么会发生这种情况，我如何解决这个问题？

Answer 1

您需要使用命名空间前缀同时查询。像

node.xpath('//html:body', namespaces={'html': 'http://...'}) 

，或者您可以使用.nsmap

node.xpath('//html:body', namespaces=node.nsmap) 

这是假设所有的命名空间由node指出标记定义。这通常适用于大多数xml文档。

Answer 2

你可以在这里添加命名空间，如下所示：

>>> node.xpath('//xmlns:tr', namespaces={'xmlns':'http://www.w3.org/1999/xhtml'}) 
[<Element {http://www.w3.org/1999/xhtml}tr at 0x11067b6c8>, <Element {http://www.w3.org/1999/xhtml}tr at 0x11067b710>] 

和更好的方式来做到这将是使用lxml's HTML解析器：

>>> node=lxml.html.fromstring(html) 
>>> node.findall('body') 
[<Element body at 0x1106b8f18>]