问题标签 [lxml]

当我使用 lxml 解析 XML 文档时，有没有办法使用外部目录文件根据其 DTD 验证该文档？我需要能够处理文档 DTD 中定义的固定属性。

我正在针对以下测试文档进行测试：

如果我使用 lxml.html 解析文档，我可以使用 xpath 获得 IMG：

但是，如果我将文档解析为 XML 并尝试获取 IMG 标记，则会得到一个空结果：

我可以直接导航到元素：

但这当然不能帮助我处理任意文件。我还希望能够查询 etree 以获得一个 xpath 表达式，该表达式将直接识别此元素，从技术上讲，我可以这样做：

但是，xpath 显然对于解析任意文档没有用处。

显然我在这里遗漏了一些关键问题，但我不知道它是什么。我最好的猜测是它与命名空间有关，但唯一定义的命名空间是默认命名空间，我不知道关于命名空间我还需要考虑什么。

那么，我错过了什么？

我正在尝试使用 XPath 解析一些 HTML。按照下面的简化 XML 示例，我想匹配字符串“Text 1”，然后获取相关content节点的内容。

我的 Python 代码不稳定：

这在 XPath 中可行吗？我需要用不同的方式表达我想做的事吗？

我是 python 的新手，我需要一些关于使用 lxml 查找和迭代 html 标签的语法方面的帮助。以下是我正在处理的用例：

HTML 文件的格式相当好（但并不完美）。屏幕上有多个表格，一个包含一组搜索结果，一个用于页眉和页脚。每个结果行都包含一个搜索结果详细信息的链接。

1. 我需要找到带有搜索结果行的中间表（我能够弄清楚这一行）：

   /li>

2. 我需要找到此表中包含的链接（这是我卡住的地方）：

   它似乎并没有真正找到链接元素。

3. 我需要链接的纯文本。我想searchLink.text如果我实际上首先获得了链接元素，那将会是这样的。

最后，在 lxml 的实际 API 参考中，我无法找到有关 find 和 findall 调用的信息。我从在谷歌上找到的一些代码中收集到了这些。我是否遗漏了有关如何使用 lxml 有效查找和迭代 HTML 标记的内容？

我正在使用 lxml 和 python 生成 xml 文档（仅使用 etree.tostring(root) ），但目前生成的 xml 显示 html 实体与命名实体（ < ; ）而不是它们的数值（ < ; ） . 我究竟该如何改变它以使结果使用数值而不是名称？

谢谢

使用 Django 应用程序的已部署版本时，lxml 有一个奇怪的问题。我使用 lxml 解析从服务器获取的另一个 HTML 页面。这在我自己的计算机上的开发服务器上运行良好，但由于某种原因它UnicodeDecodeError在服务器上给了我。

我已确保 Apache（使用 mod_python）与LANG='en_US.UTF-8'.

我试过用谷歌搜索这个问题，并尝试了不同的方法来正确解码字符串，但我无法弄清楚。

在您的回答中，您可能会假设我的字符串被调用hello或其他东西。

我需要用 python 做一些 HTML 解析。经过一些研究，lxml 似乎是我最好的选择，但我很难找到可以帮助我完成我想做的事情的例子。这就是我听到的原因。我需要为所有可见文本抓取一个页面.. 去掉所有标签和 javascript.. 我需要它给我留下可见的文本。听起来很简单.. 我用 HTMLParser 做到了，但它不能很好地处理 javascript

任何关于使用 lxml 或更好的方法来做到这一点的想法 HTMLParser .. HTMLParser 将是最好的，因为不需要额外的库 .. 谢谢大家

斯科特 F。

我有这个脚本-

正如您所看到的，for 循环在我预先设置的多次后停止。我希望 for 循环仅在打印完所有内容后才停止。

我正在尝试使用类似于此示例的lxml指定名称空间（取自此处）：

我不确定如何添加要使用的 Schema 实例以及 Schema 位置。通过执行以下操作，文档让我开始了：

我不确定如何将其指定为实例，然后还指定位置。似乎这可以使用nsmap关键字参数 in来完成etree.Element，但我不明白如何。

我正在尝试使用“py2app”从一些 Python 脚本生成一个独立的应用程序。Python 使用“lxml”包，我发现我必须在“py2app”使用的 setup.py 文件中明确指定这一点。但是，生成的应用程序仍然无法在没有安装“lxml”的机器上运行。

我的 Setup.py 看起来像这样：

运行应用程序会产生以下输出：

符号“_xmlSchematronParse”来自一个名为“libxml2”的库，“lxml”依赖于该库。Mac OS X 预装的版本对于“lxml”来说不够最新，所以我必须安装版本 2.7.2（在 /usr/local 中）。py2app 出于某种原因，正在链接 /Developer/SDKs/MacOSX10.3.9.sdk/usr/lib 中的版本。但是，当我将应用程序作为 Python 脚本运行时，会找到正确的版本。（我刚才通过隐藏 2.7.2 版本检查了这一点。）

所以我现在的问题是，我怎样才能告诉 py2app 在哪里寻找库？