lxml xpath - 找不到正文标签答案

【问题标题】：lxml xpath - Can't find body taglxml xpath - 找不到正文标签
【发布时间】：2020-05-13 15:40:04
【问题描述】：

我正在尝试在 Calibre 中编写一个插件，用于检查 epub 文档中的脚注（基本上是寻找 font-size <body> 标签内）中获取所有子标签，但我遇到了一个问题。

LXML xpath 找不到 <body> 或其中的任何内容。

下面是使用 Calibre 自己的函数创建的 html 和使用 etree.SubElement 插入的 <p>Hello World</p>

<?xml version='1.0' encoding='utf-8'?>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
  <title>Hero filtered</title>
  <link href="page_styles.css" rel="stylesheet" type="text/css"/>
  <link href="stylesheet.css" rel="stylesheet" type="text/css"/>
</head>

<body>

<p>Hello World</p></body>
</html>

这些都是我尝试过的东西

query = ".//body" # This doesn't 
query = "body" # This doesn't 
query = ".//*/body" # This doesn't 
query = ".//*//body" # This doesn't
query = "./body" # This doesn't 
query = ".//body/*" # This doesn't 
query = ".//body/p" # This doesn't

这些确实有效

query = "/*/*[2]/*[normalize-space(text())]" # this works
found= self.footnotes_file.find("{*}" + "body") # this works

我一直在使用 lxml 中的以下函数

found = self.footnotes_file.xpath(query)

self.footnotes_file 是使用 Calibre 函数 parsed(self, name) 生成的，该函数返回传递给它的 html 文件的根元素

self.footnotes_file = current_container().parsed(footnote_file_name)

所以问题是我做错了什么！

【问题讨论】：

标签： html xpath tags find lxml

【解决方案1】：

您似乎遇到了命名空间的问题。有几种方法可以处理它。两个简单的方法是从

中删除命名空间引用

<html xmlns="http://www.w3.org/1999/xhtml">

这样标签就是<html>。

另一个是将查询更改为

//*[local-name()="body"]

看看这些是否有效。

【讨论】：

谢谢杰克，完美的答案。我选择了第二个选项，因为 Calibre 创建了 html 模板，并且继续删除 xmlns 属性似乎太过分了。只是出于兴趣，有没有一种方法可以使用命名空间创建 xpath 查询？
@Rob 是的。但是为了使其（几乎）易于管理，您必须为命名空间创建一个前缀（某种快捷方式）。例如，在您的情况下，您可以使用('//x:body', namespaces = {'x':'http://www.w3.org/1999/xhtml'})，x 是任何东西。我个人会坚持使用local-name()。
我完全同意。感谢您的帮助