findtext 和 xpath 没有从我解析的 xml 文档中返回任何内容

Question

我在 django 中使用 lxml.etree.parse 来解析来自外部 rss 提要的一些内容，并使用 findall 来解决命名空间问题。

我可以遍历刚刚找到的结果，但是我无法显示结果中的任何文本。

这是我试图从中抓取的 xml 文件的样子：

<feed xmlns="http://www.w3.org/2005/Atom">
    <title>Open Library : Author Name</title>
    <link href="http://www.somedomain.org/people/atom/author_name" rel="self"/>
    <updated>2012-03-20T16:41:00Z</updated>
    <author>
        <name>somedomain.org</name>
    </author>
    <id>tag:somedomain.org,2007:/person_feed/123456</id>
    <entry>
        <link href="http://www.somedomain.org/roll_call/show/1234" rel="alternate"/>
        <id>
        tag:somedomain.org,2012-03-20:/roll_call_vote/1234
        </id>
        <updated>2012-03-20T16:41:00Z</updated>
        <title>Once upon a time</title>
        <content type="html">
        This is a book full of words
        </content>
    </entry>
</feed>

这是我在 django 中的视图：

def openauthors(request):

    tree = lxml.etree.parse("http://www.somedomain.org/people/atom/author_name")
    namespace = "{http://www.w3.org/2005/Atom}"
    listings = tree.findall("{http://www.w3.org/2005/Atom}entry")

    listings_info = []

    for listing in listings:
        this_value = {
            "link": listing.findtext("content"),
            "title": listing.findtext("feed/content"),
            "content": listing.findtext("content"),
            }

        listings_info.append(this_value)


    json_listings = '{"listings":' + simplejson.dumps(listings_info) + '}'

    if("callback" in request.GET.keys()):
        callback = request.GET["callback"]
    else:
        callback = None

    if(callback):
        response = HttpResponse("%s(%s)" % (
                callback,
                simplejson.dumps(listings_info)
                ), mimetype="application/json"
            )
    else:
        response = HttpResponse(json_listings, mimetype="application/json")
    return response

我还尝试使用xpath 代替findtext 进行以下操作，但得到了相同的结果。

    "link":listing.xpath("link/text()"),
    "title":listing.xpath("entry/link/text()"),
    "content":listing.xpath("content/text()"),

感谢任何帮助。

Answer 1

您没有考虑 XML 命名空间。

tree = lxml.etree.parse("http://www.somedomain.org/people/atom/author_name")
xmlns = {"atom": "http://www.w3.org/2005/Atom"}
listings = tree.xpath("//atom:entry", namespaces=xmlns)

listings_info = []

for listing in listings:
    listings_info.append({
        "link": listing.xpath("./atom:link/@href", namespaces=xmlns),
        "title": listing.xpath("./atom:title", namespaces=xmlns),
        "content": listing.xpath("./atom:content", namespaces=xmlns),
    })

您必须定义一个前缀（即使您的 XML 中没有）并在您的 XPath 表达式中使用它。这意味着您必须告知.xpath() 您将为哪个命名空间使用什么前缀，因此是第二个参数。