Python XPath SyntaxError：无效谓词答案

【问题标题】：Python XPath SyntaxError: invalid predicatePython XPath SyntaxError：无效谓词
【发布时间】：2016-02-23 04:26:35
【问题描述】：

我正在尝试解析类似的 xml

<document>
    <pages>

    <page>   
       <paragraph>XBV</paragraph>

       <paragraph>GHF</paragraph>
    </page>

    <page>
       <paragraph>ash</paragraph>

       <paragraph>lplp</paragraph>
    </page>

    </pages>
</document>

这是我的代码

import xml.etree.ElementTree as ET

tree = ET.parse("../../xml/test.xml")

root = tree.getroot()

path="./pages/page/paragraph[text()='GHF']"

print root.findall(path)

但我得到一个错误

print root.findall(path)
  File "X:\Anaconda2\lib\xml\etree\ElementTree.py", line 390, in findall
    return ElementPath.findall(self, path, namespaces)
  File "X:\Anaconda2\lib\xml\etree\ElementPath.py", line 293, in findall
    return list(iterfind(elem, path, namespaces))
  File "X:\Anaconda2\lib\xml\etree\ElementPath.py", line 263, in iterfind
    selector.append(ops[token[0]](next, token))
  File "X:\Anaconda2\lib\xml\etree\ElementPath.py", line 224, in prepare_predicate
    raise SyntaxError("invalid predicate")
SyntaxError: invalid predicate

我的 xpath 出了什么问题？

跟进

感谢 falsetru，您的解决方案有效。我有一个跟进。现在，我想用文本GHF 获取段落之前的所有段落元素。所以在这种情况下，我只需要 XBV 元素。我想忽略ash 和lplp。我想这样做的一种方法是

result = []
for para in root.findall('./pages/page/'):
    t = para.text.encode("utf-8", "ignore")
    if t == "GHF":
       break
    else:
        result.append(para)

但是有没有更好的方法来做到这一点？

【问题讨论】：

标签： python xml xpath

【解决方案1】：

ElementTree's XPath support is limited. 使用其他库，例如lxml:

import lxml.etree
root = lxml.etree.parse('test.xml')

path="./pages/page/paragraph[text()='GHF']"
print root.xpath(path)

【讨论】：

谢谢你！我也可以做类似 text.contains("something") 和 text.notContains("something") 的事情吗？
@AbtPst，您可以：path="./pages/page/paragraph[contains(text(),'something')]" / path="./pages/page/paragraph[not(contains(text(),'something'))]"
不，你不能为find_all stackoverflow.com/questions/2637760/… 因为def prepare_predicate(next, token) 失败
谢谢你！那行得通。它给了我我需要的所有元素。只是一个跟进。现在，如果我在看到“GHF”段落之前想要所有段落怎么办？一旦我看到带有文本“GHF”的段落，我想忽略它之后的所有其他内容。我可以这样做吗？
@AbtPst，请发布一个单独的问题，而不是更新当前问题。

【解决方案2】：

正如@falsetru 提到的，ElementTree 不支持text() 谓词，但它支持按文本匹配子元素，因此在此示例中，可以搜索具有paragraph 的page带有特定文本，使用路径./pages/page[paragraph='GHF']。这里的问题是page 中有多个paragraph 标签，因此必须针对特定的paragraph 进行迭代。在我的情况下，我需要在 maven pom.xml 中找到 dependency 的 version，并且只有一个 version 孩子，所以以下工作：

In [1]: import xml.etree.ElementTree as ET

In [2] ns = {"pom": "http://maven.apache.org/POM/4.0.0"}

In [3] print ET.parse("pom.xml").findall(".//pom:dependencies/pom:dependency[pom:artifactId='some-artifact-with-hardcoded-version']/pom:version", ns)[0].text
Out[1]: '1.2.3'

【讨论】：