python - 如何在python XPath中连接br内的字符串？答案

【问题标题】：How to concatenate strings within a br in python XPath?python - 如何在python XPath中连接br内的字符串？
【发布时间】：2015-11-20 11:28:57
【问题描述】：

试图解决如何在   中连接字符串的方法不起作用。

代码如下：

<li class="attr">
    <span>
        Size:L
        <br>
        Color:RED
    </span>
</li>

我尝试使用这些但不起作用：

color_and_size = row.xpath('.//li[@class="attr"][1]/span[1]/text()')[0]

【问题讨论】：

  内是什么意思？你能给出你想要的输出样本吗？
我想打印“Size:L”和“Color:RED”
这是无效的XML，因为您的  标签未关闭。因此，您将无法对它使用 xpath 表达式。
“不工作”是对该输入的低估。这可能会结束嘈杂，还是您使用try-except 子句？
您不应该真正将 xpath 用于 HTML 文档，请尝试使用 BeautifulSoup。

标签： python xpath lxml

【解决方案1】：

您的 xml 结构似乎已损坏，因为没有关闭  标记-因此，如果您使用 lxml，请尝试使用 Beautifulsoup 的 soupparser-或者您可以使用独立的 Beutifulsoup，如下所示-

from bs4 import BeautifulSoup
s = """<li class="attr">
    <span>
        Size:L
        <br>
        Color:RED
    </span>
</li>
"""
soup = BeautifulSoup(s)

print map(lambda x: x.text.strip().replace("\n",""),soup.find_all('span'))

打印-

[u'Size:L                Color:RED']

注意Beautifulsoup 在内部组织 xml，例如如果您想要格式错误的 xml 的有效 xml，请尝试-

print soup.prettify()

打印-

<html>
 <body>
  <li class="attr">
   <span>
    Size:L
    <br/>
    Color:RED
   </span>
  </li>
 </body>
</html>

如果您的xml 有效，则下面的xpath 将起作用-

//li[@class='attr']/span/text()[preceding-sibling::br or following-sibling::br]

Live Demo 只需点击 Test 按钮

【讨论】：

【解决方案2】：

您可以将 Python 字符串方法与lxml 的 XPath 返回值结合起来：

>>> import lxml.html
>>> text = '''<html>
... <li class="attr">
...     <span>
...         Size:L
...         <br>
...         Color:RED
...     </span>
... </li>
... </html>'''
>>> doc = lxml.html.fromstring(text)
>>>
>>> # text nodes can contain leading and trailing whitespace characters
>>> doc.xpath('.//li[@class="attr"]/span[1]/text()')
['\n        Size:L\n        ', '\n        Color:RED\n    ']
>>> 
>>> # you can use Python's strip() method
>>> [t.strip() for t in doc.xpath('.//li[@class="attr"]/span[1]/text()')]
['Size:L', 'Color:RED']

如果 包含 ，您也可以测试它：（span[br] 而不是span[1]）

>>> doc.xpath('.//li[@class="attr"]/span[br]/text()')
['\n        Size:L\n        ', '\n        Color:RED\n    ']
>>> [t.strip() for t in doc.xpath('.//li[@class="attr"]/span[br]/text()')]
['Size:L', 'Color:RED']
>>>

【讨论】：