Python lxml XPath 问题答案

【问题标题】：Python lxml XPath problemPython lxml XPath 问题
【发布时间】：2011-07-17 00:51:51
【问题描述】：

我正在尝试从网页打印/保存某个元素的 HTML。
我已经从 firebug 中检索了请求元素的 XPath。

我只想将此元素保存到文件中。我似乎没有成功。
（在最后尝试了有和没有/text() 的 XPath）

如果有任何帮助或过去的经验，我将不胜感激。
10 倍，大卫

import urllib2,StringIO
from lxml import etree

url='http://www.tutiempo.net/en/Climate/Londres_Heathrow_Airport/12-2009/37720.htm'
seite = urllib2.urlopen(url)
html = seite.read()
seite.close()
parser = etree.HTMLParser()
tree = etree.parse(StringIO.StringIO(html), parser)
xpath = "/html/body/table/tbody/tr/td[2]/div/table/tbody/tr[6]/td/table/tbody/tr/td[3]/table/tbody/tr[3]/td/table/tbody/tr/td/table/tbody/tr/td/table/tbody/text()"
elem = tree.xpath(xpath)


print elem[0].strip().encode("utf-8")

【问题讨论】：

这是一个常见问题解答：浏览器将强制性 (X)HTML 元素添加到 DOM（即 head 和 tbody）。不要相信萤火虫。查看源文档。
Problem with lxml xpath for html table extracting的可能重复

标签： python xpath lxml

【解决方案1】：

你的 XPath 显然有点太长了，你为什么不试试更短的，看看它们是否匹配。一个问题可能是浏览器在 DOM 中自动创建的“tbody”，但 HTML 标记通常不包含它。

这是一个如何使用 XPath 结果的示例：

>>> from lxml import etree
>>> from StringIO import StringIO
>>> doc = etree.parse(StringIO("<html><body>a<something/>b</body></root>"), etree.HTMLParser())
>>> doc.xpath("/html/body/text()")
['a', 'b']

因此，如果需要，您可以将所有文本部分 "".join(...) 放在一起。

【讨论】：

@不是太长了。但是，您的评论是绝对正确的。一百万年都不会想到这一点。非常感谢！

【解决方案2】：

不确定我是否完全遵循您想要完成的目标，但最终我认为您正在寻找：

print etree.tostring(elem[0])

【讨论】：