元素树和 xpath 的区别答案

【问题标题】：Differences with element tree and xpath元素树和 xpath 的区别
【发布时间】：2012-02-29 01:57:51
【问题描述】：

我正在尝试在元素树中查找一些节点，但这似乎会根据我用于解析的实现而有所不同。这似乎与文档不一致。我错过了什么吗？

In [52]: ElementTree.fromstring('<html><x /></html>').find('.//x')
Out[52]: <Element 'x' at 0x3008c10>

但是：

In [59]: type(html5lib.parse('<html><x /></html>', treebuilder='lxml').find('.//x'))
Out[59]: <type 'NoneType'>

我也尝试过使用 ElementTree 的 html5lib，但这似乎并没有运行符合文档的解析：

In [72]: parser = html5lib.HTMLParser(tree=html5lib.treebuilders.getTreeBuilder('etree', cElementTree))

In [73]: type(parser.parse('<html><x /></html>'))
Out[73]: <type 'NoneType'>

那么我该如何解决呢？我无法继续直接使用 ElementTree，因为它不会解析一些损坏的 html。

【问题讨论】：

标签： python html parsing elementtree

【解决方案1】：

xpath() 似乎有效：

>>> doc = html5lib.parse('<!doctype html><html><x /></html>', treebuilder='lxml')

>>> doc.xpath('.//*')
    [<Element {http://www.w3.org/1999/xhtml}head at 0x102c04a50>,
 <Element {http://www.w3.org/1999/xhtml}body at 0x102c04aa0>,
 <Element {http://www.w3.org/1999/xhtml}x at 0x102c04af0>]

>>> doc.xpath('.//html:x', namespaces={'html':'http://www.w3.org/1999/xhtml'})
    [<Element {http://www.w3.org/1999/xhtml}x at 0x102c04af0>]

然而，html5lib 将 XHTML 命名空间分配给纯 HTML 是相当奇怪的。

【讨论】：

你的评论让我找到了解决方案：html5lib.parse(..., namespaceHTMLElements=False).xpath('.//x') 工作得很好:)