2

如何继续获取包含一段文本的节点的父节点？

此外，我可以使用一些正则表达式机制作为搜索/过滤的匹配元素，re.compile("th[ei]s? .ne")例如下面的搜索吗？

说this one

html = '''<html>
<head><title></title></head>
<body>
<table>
<tr><td>1a</td><td>2a</td><td>3a</td><td>4a</td><td>5a</td><td>6a</td></tr>
<tr><td>1b</td><td>2b</td><td>3b</td><td>4b</td><td>5b</td><td>6b</td></tr>
<tr><td>1c</td><td>2c</td><td>3c</td><td>4c</td><td>5c</td><td>6c this one</td></tr>
</table>
<div><div>
<table>
<tr><td>1A</td><td>2A</td><td>3A</td><td>4A</td><td>5A</td><td>6A</td></tr>
<tr><td>1B</td><td>2B</td><td>3B</td><td>4B</td><td>5B</td><td>6B</td></tr>
<tr><td>1C</td><td>2C</td><td>3C</td><td>4C</td><td>5C</td><td>6C</td></tr>
</table>this one
</div></div>
</body>
</html>'''

我想要一个返回的迭代器：

<td>6c this one</td>

接着：

<div>
<table>
<tr><td>1A</td><td>2A</td><td>3A</td><td>4A</td><td>5A</td><td>6A</td></tr>
<tr><td>1B</td><td>2B</td><td>3B</td><td>4B</td><td>5B</td><td>6B</td></tr>
<tr><td>1C</td><td>2C</td><td>3C</td><td>4C</td><td>5C</td><td>6C</td></tr>
</table>this one
</div>

我试过了：

import lxml.html
root = lxml.html.document_fromstring(html)
root.xpath("//text()[contains(., one)]")

和

import xml.etree.ElementTree as ET
for e in ET.fromstring(html).getiterator():
    if e.text and e.text.find('one') != -1:
        print "Found string %r, element = %r" % (e.text, e)

但我能拥有的最好的是包含this one自身的节点......而我正在寻找包含此文本的父节点。请注意，div 或 table 只是示例，我确实需要在找到“this one”之后返回父级，而不是过滤包含的 xml 元素，this one因为在找到它之前我不会知道这是一个 div、一个表或任何东西包含。

（还要注意它是 html 而不是格式良好的 xml，因为我认为第二个this one应该被包装在 xml 标签中）

编辑：

>>> root.xpath("//*[contains(child::*/text(), 'one')]") # why empty parent?
[]
>>> root.xpath("//*[contains(text(), 'one')]") # i expected to have a list with two elements td and div
[<Element td at 0x280b600>]
>>> root.xpath("//*[child::*[contains(text(), 'one')]]") # if parent: expected tr and div, if not parent expected table or div, still missing one
[<Element tr at 0x2821f30>]

顺便说一句，使用最后一个是可以的：

import xml.etree.ElementTree as ET
import lxml.html
#[... here add html = """...]
root = lxml.html.document_fromstring(html)
for i, x in enumerate(root.xpath("//text()[contains(., 'one')]/parent::*")):
    print "%s => \n\t" % i, ET.tostring(x).replace("\n", "\n\t")

生产：

0 => 
    <td>6c this one</td>
1 => 
    <div>
    <table>
    <tr><td>1A</td><td>2A</td><td>3A</td><td>4A</td><td>5A</td><td>6A</td></tr>
    <tr><td>1B</td><td>2B</td><td>3B</td><td>4B</td><td>5B</td><td>6B</td></tr>
    <tr><td>1C</td><td>2C</td><td>3C</td><td>4C</td><td>5C</td><td>6C</td></tr>
    </table>this one
    </div>
4

2 回答 2

5

根据您的示例输出，您似乎想要获取包含指定 text 的元素one。你的描述说你想要这个节点的父节点。

基于此假设，您可以使用以下 XPath 获得所需的节点：

//*[contains(text(), 'one')]

如果你真的想要这个节点的父节点，你可以这样做

//*[child::*[contains(text(), 'one')]]

顺便说一句，如您所见，我使用谓词来获取节点，因此我过滤了 XML 节点。在我看来，这是更合乎逻辑和可读性的方法，因为它基本上说给我所有满足给定条件的节点，而不是说给我条件的输出，然后从这一点开始搜索实际所需的输出。但是您也可以执行以下操作，这将更好地匹配您提出的解决方案：

//text()[contains(., 'one')]/parent::*
于 2013-06-18T14:17:36.210 回答
1 
>>> root.xpath("//*[contains(child::*/text(), 'one')]") # why empty parent?
[]

此 XPath 表达式选择第一个孙文本节点包含“一个”的每个元素。的第一个参数应该contains()是一个字符串，因此 XPath 采用结果中的第一个节点child::*/text()并采用它的字符串值。由于没有元素有一个包含“one”作为其第一个孙子的文本节点，因此答案是一个空节点列表。

>>> root.xpath("//*[contains(text(), 'one')]")
# i expected to have a list with two elements td and div
[<Element td at 0x280b600>]

出于同样的原因，此 XPath 表达式选择第一个文本节点子节点包含“one”的所有元素。这就是为什么<td>选择了，但<div>不是：div 的包含“one”的子文本节点不是它的第一个子文本节点。

>>> root.xpath("//*[child::*[contains(text(), 'one')]]")
# if parent: expected tr and div,
# if not parent expected table or div, still missing one
[<Element tr at 0x2821f30>]

这面临与前一个表达式相同的限制。

您是否尝试过@dirkk 提出的最后一个解决方案，

//text()[contains(., 'one')]/parent::*

这应该可以避免将多个节点作为第一个参数传递给contains().

于 2013-06-19T17:45:05.290 回答