需要lxml xpath表达式帮助
lxml是一个Python库，用于处理XML和HTML文档。它提供了一个简单而强大的API，使开发人员能够使用XPath表达式来解析和操作XML/HTML文档。
XPath是一种用于在XML/HTML文档中定位元素的查询语言。它使用路径表达式来选择节点或节点集合。lxml库通过实现XPath规范，使得开发人员可以使用XPath表达式来快速、灵活地定位和提取文档中的数据。
lxml的主要优势包括：
- 高性能：lxml使用C语言实现，因此在处理大型文档时具有出色的性能。
- 完整的XPath支持：lxml支持XPath 1.0规范，并提供了丰富的XPath函数和操作符，使得开发人员能够编写复杂的查询表达式。
- 内置的HTML解析器：lxml提供了一个内置的HTML解析器，使得解析和处理HTML文档变得更加方便。
- 可扩展性：lxml提供了一些扩展功能，如XML Schema验证、XSLT转换等，使得开发人员能够更好地处理和转换XML数据。
- 易于使用：lxml提供了简单而直观的API，使得开发人员能够快速上手并进行开发。
lxml的应用场景包括：
- 数据提取：使用lxml的XPath表达式，可以方便地从XML/HTML文档中提取所需的数据，如网页爬虫、数据挖掘等。
- 数据转换：lxml提供了XSLT转换功能，可以将XML数据转换为其他格式，如HTML、CSV等。
- 数据验证：lxml支持XML Schema验证，可以验证XML数据的合法性和完整性。
- Web开发：lxml可以用于解析和处理Web页面，从而实现动态内容的提取和展示。
腾讯云相关产品中，与lxml和XPath表达式相关的产品包括：
- 云函数（Serverless Cloud Function）：腾讯云云函数是一种无服务器计算服务，可以在云端运行代码。您可以使用云函数结合lxml和XPath表达式来处理和转换XML/HTML数据。
- 云爬虫（Cloud Crawler）：腾讯云云爬虫是一种高性能、可扩展的网络爬虫服务，可以帮助您快速、稳定地抓取网页数据。您可以使用lxml和XPath表达式来解析和提取所需的数据。
- API网关（API Gateway）：腾讯云API网关是一种托管的API服务，可以帮助您构建和管理API接口。您可以使用lxml和XPath表达式来处理和转换API请求和响应的数据。
更多关于腾讯云产品的介绍和详细信息，请访问腾讯云官方网站：https://cloud.tencent.com/
相关·内容
XPath './tbody/tr[position() = 1]'被火狐的XPath引擎所接受，但它在lxml 4.5.0 (libxml2 2.9.10；Python3.8.10；Ubuntu20.04.5)上被拒绝。
…
File "src/lxml/etree.pyx", line 1532, in lxml.etree._Element.find
File "src/lxml/_elementpath.py", line 323, in lxml._elementpath.find
File "src/lxml/
浏览 8提问于2022-10-18得票数 0
回答已采纳
我希望使用xpath选择具有多个属性的节点。
有什么办法解决我的问题吗？
node.xpath('.//td[@colspan=6 @class="mbw"]')
File "lxml.etree.pyx", line 1507, in lxml.etree._Element.xpath (src/lxml/lxml.etree.c:52198)
File "xpath.pxi", line 307, in lxml.etree.XPathElementEvaluator.__call__ (src/lxml/lxml.e
浏览 3提问于2015-10-01得票数 3
回答已采纳
这是我的网页内容：
<input type="hidden" name="frm-id" value="AAA" id="frm-id" /></form></div><div id="container-getfocus_AAA" style="display:none"><input type="text" id="getfocus_txt_AAA" name="getfocus_txt_AAA"
浏览 0提问于2014-11-15得票数 0
回答已采纳
我在Python中遇到了一个我无法理解的错误。我已经将我的代码简化到了最低限度：
response = requests.get('http://pycoders.com/archive')
tree = html.fromstring(response.text)
r = tree.xpath('//divass="campaign"]/a/@href')
print(r)
仍然会得到错误
Traceback (most recent call last):
File "ultimate-1.py", line 17, in &
浏览 8提问于2016-05-16得票数 1
回答已采纳
2回答
如何在python上使用lxml找到具有不同属性的元素？
例如
<Form>
<Subform ind="0">
<Check ind="0">0</Check>
<Check ind="1">1</Check>
<Check ind="2">2</Check>
<Check ind="3">3</Check>
<
浏览 5提问于2016-03-29得票数 1
回答已采纳
2回答
我正在尝试这样做(使用lxml)：
//*[@id="32808345" or @id="33771423" or @id="15929470" or @id="33771117" or @id="15929266"]
为了获取具有指定id的所有元素，无论是什么标记，我将获取以下回溯：
invalid attribute predicate
这就是我生成str的方式(如果这与问题相关)：
refs = ' or '.join('@id="%s"' % ref for
浏览 2提问于2010-07-24得票数 2
回答已采纳
4回答
我正在努力理解发送给我的用于ACORD XML表单(保险中的常见格式)的XPath。他们发送给我的XPath (为了简洁起见被截断)：
./PersApplicationInfo/InsuredOrPrincipal[InsuredOrPrincipalInfo/InsuredOrPrincipalRoleCd="AN"]/GeneralPartyInfo
我遇到麻烦的地方是Python的告诉我[InsuredOrPrincipalInfo/InsuredOrPrincipalRoleCd="AN"]是一个invalid predicate。我在中找不到任何地方
浏览 11提问于2011-06-02得票数 7
回答已采纳
lxml在1.3版中显示以下代码行的错误：
self.doc.findall('.//field[@on_change]')
File "/home/.../code_generator/xmlGenerator.py", line 158, in processOnChange
onchangeNodes = self.doc.findall('.//field[@on_change]')
File "etree.pyx", line 1042, in etree._Element.findall
File "/us
浏览 0提问于2010-07-27得票数 0
回答已采纳
1回答
我正在尝试为这个网页提取“符号”栏中的项目：
我的代码是这样的：
from requests_html import HTMLSession
def stockList(url):
session = HTMLSession()
r = session.get(url)
r.html.render(sleep=1)
stock = [{item.text} for item in r.html.xpath('//*[@class="//*[@id="DataTables_Table_0"]/tbody/tr[1]/td[3]/
浏览 8提问于2022-03-23得票数 0
2回答
我正在尝试使用lxml从锚链接中查找所有映像(.png、.bmp、.jpg)和可执行文件(.exe)。从这个中，公认的答案建议这样做：
png = tree.xpath("//div/ul/li//a[ends-with(@href, '.png')]")
bmp = tree.xpath("//div/ul/li//a[ends-with(@href, '.bmp')]")
jpg = tree.xpath("//div/ul/li//a[ends-with(@href, '.jpg')]")
e
浏览 4提问于2013-12-11得票数 1
回答已采纳
1回答
。
然而，在python中尝试使用lxml.html不起作用：
import requests
import lxml.html
s = requests.session()
page= s.get('http://lxml.de/')
html = lxml.html.fromstring(page.text)
p=html.xpath('p')
这里，p是一个空列表。
我需要用p=html.xpath('//p')代替。
有人知道为什么吗？
浏览 2提问于2017-09-17得票数 1
回答已采纳
2回答
如何使用cssselect获取所有通配符元素？
例如：
content = """
<table>
<tr id='Awesome1234'><a href="link1"></a></tr>
<tr id='Awesome5678'><a href="link2"></a></tr>
</table>
"""
doc = lxml.html.fromstring(
浏览 2提问于2011-04-08得票数 3
回答已采纳
2回答
假设我有一群
<item price='n' sold='m'>
...
</item>
我想对每一件商品做价格*出售。我在努力
'//item/(@price * @sold)'
在python中从lxml内部获取，但我始终得到错误“无效表达式”。xmllint命令也是如此。但同样的查询也适用于氧气xml编辑器。
我该怎么做呢？
浏览 0提问于2013-02-19得票数 3
回答已采纳
2回答
我需要读取一个大的XML (65Mb)，根据xsd对其进行验证，并在其上运行XPath查询。下面，我给出了一个lxml版本。运行查询需要花费很多时间(超过5分钟)，但验证似乎相当快。
我有几个问题。注重性能的Python程序员如何使用lxml编写程序？其次，如果lxml不适合这项工作，还能做什么呢？你能给我一个代码片段吗？
import sys
from datetime import datetime
from lxml import etree
start = datetime.now()
schema_file = open("library.xsd")
schema
浏览 2提问于2010-02-20得票数 5
回答已采纳
我已经尝试了很多天来解决这个lxml-xpath错误，但是我一直无法解决。我已经用pip安装了相应的库，并选择了相应的python选择器。我不明白为什么"parsed.xpath“这个表达式是错误的。我想知道是否有什么东西能帮我解决这个问题。
代码：
import requests
import lxml.html as html
HOME_URL = 'https://www.larepublica.co/' #URL de la página home
XPATH_LINK_TO_ARTICLE = "$x('//div[@class='
浏览 12提问于2022-09-01得票数 -1
回答已采纳
1回答
请帮我修复sript。
import lxml.html
import requests
doc = lxml.html.document_fromstring("""<html>
<body>
<div class="wrap">
<span class="one">one</span>
<span class="two">two</span>
</div>
</body&g
浏览 1提问于2014-02-26得票数 1
回答已采纳
1回答
无法解析xml内容中的链接
、、、、
我用python结合xpath编写了一个脚本，用于从包含xml内容的站点中抓取链接。因为我从来没有使用过xml，所以我找不出哪里出了错。提前感谢您为我提供了一个变通方法。这是我正在尝试的：
import requests
from lxml import html
response = requests.get("https://drinkup.london/sitemap.xml").text
tree = html.fromstring(response)
for item in tree.xpath('//div[@class="expanded"
浏览 1提问于2017-08-08得票数 4
回答已采纳
我有一个cim/xml格式的xml文档。该文档由两个名称空间组成。
rdf，
cim。
文件的一部分如下：
<?xml version='1.0' encoding='UTF-8'?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:cim="http://iec.ch/TC57/2013/CIM-schema-cim16#">
<cim:Terminal rdf:ID="_08d
浏览 1提问于2017-08-25得票数 1
回答已采纳
我正在做一些lxml代码，但不知道它们之间有什么区别--我想直接选择父级以下的子元素：
xml = '<parent><child></child><parent>'
root = lxml.etree.fromstring(xml)
root.xpath('child')
和“./child”：
root.xpath('child')
浏览 4提问于2017-01-24得票数 1
如果我映射到element属性，我可以返回一个字符串列表：
In [15]: root
Out[15]: <Element ADI at 0x7f4b5e6ad188>
In [16]: root = et.fromstring('<a><c><b value="the.never.ending.tale.99999.gz"/><b value="the.never.ending.tale.999745745799.gz"/><b value="the.never.ending.
浏览 13提问于2017-02-28得票数 0
回答已采纳
我尝试用lxml从python中的image标签解析src，但是当我尝试输出imageurl时，我得到了以下结果：
[<Element img at 0x921f68c>]
下面是我的代码：
xhtml = lxml.html.document_fromstring(html)
imageUrl = xhtml.xpath('//img[@alt="something"]')
浏览 0提问于2012-11-12得票数 4
回答已采纳
1回答
我想要抓取这个网站按字母顺序排列的所有页面的链接： ? 也就是说，像这样的链接： ['/pinpai/2-a.html','/pinpai/3-b.html'...] 以便在这些东西中多取一些东西。 遵循this advanced webscraping tutorial，我激励自己学习xpath过滤。因为它们看起来不到17个字符，而且我在一个文档上找到了一些长度过滤资源，所以我尝试在下面这个scrapy scraper的爬行器中根据它们的长度来过滤链接： import scrapy
class NosetimeScraper(scrapy.Spid
浏览 42提问于2020-11-07得票数 0
回答已采纳
1回答
具有以下特点：
from lxml import html
import io
from lxml import etree
parser = etree.HTMLParser()
doc = etree.parse(io.FileIO("index.html"), parser)
i=1
total = []
aa = doc.xpath(".//body/table[10]")
for x in aa:
for j in x:
for k in j:
print type(k) #output is
浏览 3提问于2014-07-28得票数 0
回答已采纳
1回答
在使用xpath从lxml库中从HTML页面检索文本时，我遇到了一些未知的问题。
网址为:www.mangapanda.com/one-片断/1/1。
我想从下拉的select标记中提取选定的章节名称文本。现在我只想要第一个选项，所以XPath很容易找到它。即:-
.//*[@id='chapterMenu']/option[1]/text()
我使用Firepath验证了上面的内容，并给出了正确的数据。但是，当我试图将lxml用于这个目的时，我根本得不到数据。
from lxml import html
import requests
r = requests.get(&#
浏览 1提问于2015-03-12得票数 0
回答已采纳
4回答
我使用这样的结构：
doc = parse(url).getroot()
links = doc.xpath("//a[text()='some text']")
但是我需要选择所有文本以“一些文本”开头的链接，所以我想知道有什么方法可以在这里使用regexp吗？在lxml文档中找不到任何内容
浏览 1提问于2010-05-03得票数 25
回答已采纳
我正在尝试通过xpath文本包含内容来获取类似这样的元素。
<p><strong>Полное наименование</strong></p>
结果，我得到了这个错误。
In [4]: response.xpath("//p[contains(text(),'Полное')]").extract()
---------------------------------------------------------------------------
ValueError
浏览 1提问于2018-08-16得票数 4
回答已采纳
1回答
下面是我正在尝试的一个简单的代码示例。
from lxml import etree
myXML = etree.XML('''\
<registers part="FXLS8471Q">
<register fxblock="Newfx">
<regname>STATUS_NEW</regname>
<regnamelong/>
<type>R</type>
<address>00
浏览 2提问于2013-12-19得票数 1
回答已采纳
1回答
我想使用XPath表达式来解析带有lxml的HTML。我的问题是匹配标记的内容：
例如，给定
<a href="http://something">Example</a>
元素匹配href属性。
.//a[@href='http://something']
但是给出的表达式
.//a[.='Example']
甚至是
.//a[contains(.,'Example')]
lxml抛出“无效节点谓词”异常。
我做错了什么？
编辑：
示例代码：
from lxml import etree
from cStr
浏览 2提问于2010-04-14得票数 13
回答已采纳
2回答
我有一个包含XML文件的文件夹，我正在尝试计算一个元素中特定单词的出现次数。更具体地说，我想计算单词"Impfstoff“(在元素”mpeg7text:Keyword“中)在文件夹中所有XML中的出现次数。XML如下所示： <?xml version="1.0" encoding="UTF-8" standalone="true"?>
-<Description xsi:type="ContentEntityType">
-<MultimediaContent xsi:type=&
浏览 28提问于2021-06-28得票数 0
1回答
Python遍历tr元素
、、、
当我试图获得tr元素的父节点时，在迭代所有这些元素时遇到了一个问题。
这是我正在处理的一张基本桌子。
下面是我使用lxml获取父节点的Python脚本
import lxml.html
htm = lxml.html.parse('plaintable.htm')
tr = htm.xpath('//tr')
for x in tr:
tbody = tr.getparent()
if tbody.index(tr) == 1:
print ('Success!')
print ('Finishe
浏览 3提问于2016-07-09得票数 2
回答已采纳
Linux
>>> from lxml import etree
>>> html='''<td><a href=''>a1</a></td>
... <td><a href=''>a2</a></td>
... '''
>>> p=etree.HTML(html)
>>> a=p.xpath("//a[1]")
>>&g
浏览 2提问于2014-06-06得票数 5
回答已采纳
1回答
我使用进行HTML屏幕抓取，我需要通过text()选择一个元素，方式类似于，但是无论发生什么，我都会得到无效的谓词错误。我将其简化为下面的示例：
import lxml.html
sample_html = "<div><h2>test string</h2><h2>other string</h2></div>"
sample_tree = lxml.html.fromstring(sample_html)
sample_tree.findall('.//h2[text()="test s
浏览 2提问于2017-05-13得票数 2
回答已采纳
2回答
我正在使用lxml，并且我有一个如下所示的xml：
<UploadFile>
<Eu>
<AUTO_ID>4</AUTO_ID>
<Meter>000413031</Meter>
</Eu>
</UploadFile>
如何才能只获取包含AUTO_ID和Meter等文本的标签，而不能获取UploadFile Eu？
我试过了：
tree = lxml.etree.parse(xmlfile)
root = tree.getroot()
for node in root.iter(&
浏览 1提问于2021-04-30得票数 1
2回答
请帮助使用xpath获取第二个标记的内容。下面是我写的代码。但是它不起作用。
import lxml.html
doc = lxml.html.document_fromstring("""
<nav class="Paging">
<a href="/women/dresses/cat/4?page=1" class="active">1</a>
<a href="/women/dresses/cat/4?page
浏览 0提问于2014-03-10得票数 2
我有一个这样的xml文件：
<data>
<entry>
<word>ABC</word> (this)
</entry>
<entry>
<word>ABC</word> [not this]
</entry>
</data>
我希望选择其后代包含"(“的节点，并将(.*)移动到<entry>的文本。这就是：
<data>
<entr
浏览 0提问于2013-02-03得票数 0
回答已采纳
我刚刚下载了lxml来解析损坏的HTML文档。我通读了lxml的文档，但没有发现给定一个HTML文档，我们如何使用lxml检索文档中的文本。如果有人能帮我这个忙，我将不胜感激。
浏览 0提问于2012-08-22得票数 0
回答已采纳
1回答
我试着刮所有的文章在一个网站，以获得全文，日期和标题。我使用xpath来捕获我需要的信息。我试图在编写xpath时非常小心，但是当我运行我的代码时，它不会产生任何结果。
错误信息：
result = xpathev(query, namespaces=nsp,
File "src/lxml/etree.pyx", line 1582, in lxml.etree._Element.xpath
File "src/lxml/xpath.pxi", line 305, in lxml.etree.XPathElementEvaluator.__cal
浏览 3提问于2022-07-20得票数 0
回答已采纳
2回答
我有这个HTML片段
<div id="dw__toc">
<h3 class="toggle">Table of Contents</h3>
<div>
<ul class="toc">
<li class="level1"><div class="li"><a href="#section">#</a></div>
<ul class="toc">
浏览 1提问于2013-04-29得票数 8
回答已采纳
2回答
我正在尝试使用LXML从IMDB获取前250个电影列表，但它返回的空列表可以告诉我我犯了什么错误。
from lxml.html import parse
tree = parse('http://www.imdb.com/chart/top')
movies = tree.findall('.//table[2]//a')
电影列表为空[]
浏览 0提问于2016-01-30得票数 1
2回答
lxml返回两个项，而漂亮汤只返回一个项。这是因为<br/>不应该存在，而漂亮汤更能容忍糟糕的html吗？
是否有更好的方法使用lxml提取位置？<br/>并不总是在那里。
from lxml import html
from bs4 import BeautifulSoup as bs
s = '''<td class="location">
<p>
TRACY,<br/> CA 95304
</p>
浏览 4提问于2016-11-06得票数 0
回答已采纳
1回答
有人能解释一下，为什么元素上的xptah可以工作，而在元素上却失败。
，，起作用了
导入lxml.etree作为et
xml1 = et.parse(DATA1)
xml1.xpath("ws:Bookws:Additional_Information/ws:Book_on_AV='1‘或“
"ws:Chapter2/ws:Has_International_Assignment='false'/ws:Chapter3/ws:Book_Type /text()"，namespaces=NAMESPACE1)
-输出-“常规”，“正常”
这不是在工
浏览 2提问于2022-05-25得票数 0
我正在使用django中的lxml.etree.parse解析来自外部rss feed的一些内容，并使用findall解决名称空间问题。
我可以遍历结果，但是我无法显示我的结果中的任何文本。
下面是我试图从其中摘取的xml文件：
<feed xmlns="http://www.w3.org/2005/Atom">
<title>Open Library : Author Name</title>
<link href="http://www.somedomain.org/people/atom/author_na
浏览 1提问于2012-03-23得票数 0
回答已采纳
1回答
在Stackoverflow的几个人的帮助下，我想出了以下代码：
import lxml.etree
f = open("PaVE.tre.xml", "r")
out = open("PaVE.2.xml", "a")
data = f.read()
line=["HPV16","Alpha"]
tree = lxml.etree.XML(data)
nsmap = {'phylo': 'http://www.phyloxml.org'}
matches = t
浏览 1提问于2012-08-15得票数 1
回答已采纳
使用lxml可以使用正则表达式将两个标记合并在一起？ <t1>test testing </t1>
<t1>testing non. </t1> 请注意，有一个标记没有。只是想和第二个标签合并在一起， <t1>test testing testing non.</t> 使用lxml regex?可以解决这个问题。 tree.xpath('//t1/[.]') #trying to figure out the regex to match together
浏览 21提问于2019-09-22得票数 4
1回答
tree.xpath("/exact/path/to/element")产生[<Element I want>]。
exact/path/to/element是通过调用tree.getroottree().getpath(element)获得的。
如果我用例如Firebug找到元素的最小xpath，tree.xpath("//@minimal-descriptor")就会生成[<Element I want>]。
问题
如何使用lxml或其他element库从获取最小xpath？
浏览 3提问于2015-02-05得票数 1
回答已采纳
在Windows上运行Python3.7.4，我注意到XPath计算与在线评估器(如或 )的结果不同。
在线评估器允许输入一个相对表达式，该表达式将在整个文档上进行计算。但是，对于lxml，元素树上没有匹配项，除非我通过在斜杠前面加上一个绝对表达式使其成为一个绝对表达式。
Python 3.7.4 (tags/v3.7.4:e09359112e, Jul 8 2019, 20:34:20) [MSC v.1916 64 bit (AMD64)] on win32
>>> import lxml.etree
>>> root = lxml.etree.fro
浏览 2提问于2020-01-24得票数 3
最近，我从Beautifulsoup转向了lxml，因为lxml可以处理损坏的HTML，这就是我的情况。我想知道什么是等效的，还是一种编程形式的“美丽之汤”()。在BS中，我可以通过这样的搜索找到一个树节点：
bs = BeautifulSoup(html)
bs.find('span', {'class': 'some-class-name'})
lxml find()只是搜索树上的当前级别，如果我想在所有的树节点中搜索怎么办？
谢谢
浏览 2提问于2013-09-26得票数 0
回答已采纳
我有一个工作样本，它产生与给定的href的html元素的列表。但是我只需要第一个，而且速度很重要，如何优化这段代码？
import lxml.html
input = """<div class="post" style="height: 36px; ">
some div text
<a href="http://site.com/" target="_blank">Look here</a>,
some div text also </div>
浏览 1提问于2012-05-25得票数 0
以下代码返回一个空列表；
import lxml.html
url = 'http://finance.yahoo.com/q/pr?s=AYR+Profile'
content = lxml.html.parse(url)
sector = content.xpath('//*[@id="yfncsumtab"]/tbody/tr[2]/td[1]/table[2]/tbody/tr/td/table/tbody/tr[2]/td[2]/a')
print sector
[]
我在控制台上用铬交叉检查。
$x('//*[@id="
浏览 0提问于2014-02-18得票数 0
回答已采纳
我正在从Arxiv获取xml，并且我希望在使用lxml库读取所有Arxiv条目之后解析它。这里是我获取100篇文章的XML文件的代码。
import urllib
from lxml import etree
start_index = 0
results_per_iteration = 100
base_url = 'http://export.arxiv.org/api/query?'
search_query = 'cat:cs.CV+OR+cat:cs.LG+OR+cat:cs.CL+OR+cat:cs.NE+OR+cat:stat.ML'
query
浏览 2提问于2016-09-27得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
