lxml解析中的命名空间参数

Question

我有一个html页面，我正在尝试解析。以下是我对lxml的操作：

node=etree.fromstring(html)
>>> node
<Element {http://www.w3.org/1999/xhtml}html at 0x110676a70>
>>> node.xpath('//body')
[]
>>> node.xpath('body')
[]

不幸的是，我所有的xpath调用都返回一个空列表。为什么会发生这种情况？我该如何修复此呼叫？在

Answer 1

查询时需要使用命名空间前缀。像

node.xpath('//html:body', namespaces={'html': 'http://...'})

或者您可以使用.nsmap

^{pr2}$

这假设所有名称空间都是在node指向的标记上定义的。对于大多数xml文档，这通常是正确的。在

Answer 2

可以在此处添加命名空间，如下所示：

>>> node.xpath('//xmlns:tr', namespaces={'xmlns':'http://www.w3.org/1999/xhtml'})
[<Element {http://www.w3.org/1999/xhtml}tr at 0x11067b6c8>, <Element {http://www.w3.org/1999/xhtml}tr at 0x11067b710>]

更好的方法是使用lxml'shtml解析器：

^{pr2}$