无法使用 xpath 从某些内容中获取名称答案

【问题标题】：Unable to source name out of some content using xpath无法使用 xpath 从某些内容中获取名称
【发布时间】：2017-11-30 11:47:56
【问题描述】：

我编写了一个非常简单的 xpath 来从某些内容中解析名称，但它既不工作也不抛出任何错误。在我看来，我没有做错任何事。有人能告诉我为什么下面的 xpath 表达式不起作用吗？感谢您的任何意见。

我试过这样：

from lxml.html import fromstring

content='''
    <Traveller>
        <name>John</name>
        <passnum>572014</passnum>
        <addr>Florida</addr>
    </Traveller>
    <Traveller>
        <name>Craig</name>
        <passnum>516114</passnum>
        <addr>Boston</addr>
    </Traveller>
'''
root = fromstring(content)
for item in root.xpath("//Traveller/name/text()"):
    print(item)

预期输出：

John
Craig

【问题讨论】：

标签： python-3.x xpath web-scraping lxml

【解决方案1】：

如果您在lxml.html 解析后打印文档，您会看到所有元素名称都变为小写，这就是您尝试的 xpath 不起作用的原因：

....
>>> from lxml import html
>>> html.tostring(root)
'<span><traveller>\n        <name>John</name>\n        <passnum>572014</passnum>\n        <addr>Florida</addr>\n    </traveller>\n    <traveller>\n        <name>Craig</name>\n        <passnum>516114</passnum>\n        <addr>Boston</addr>\n    </traveller>\n</span>'

并且使用小写的作品：

>>> for item in root.xpath("//traveller/name/text()"):
...     print(item)
... 
John
Craig

【讨论】：

是的是的！！！！就是这个。我几乎发疯了，发现我做错了什么。所以这是case 问题。感谢 har07，您的回答和清晰度..

【解决方案2】：

正确/有效的 xml/html 文档应始终包含 root 标记/节点，即包含所有剩余节点的主父标记。

正确的方法应该是这样的：

from lxml.etree import fromstring

content='''
<travels>
    <Traveller>
        <name>John</name>
        <passnum>572014</passnum>
        <addr>Florida</addr>
    </Traveller>
    <Traveller>
        <name>Craig</name>
        <passnum>516114</passnum>
        <addr>Boston</addr>
    </Traveller>
</travels>
'''
root = fromstring(content)
for item in root.xpath("//Traveller/name/text()"):
    print(item)

输出：

John
Craig

【讨论】：

感谢 RomanPerekhrest 的回答。它也有效。有太多收获的答案。为此 +1。