问题标签 [lxml]

我需要浏览已解析 HTML 文档的 DOM 树。

在使用 lxml 解析字符串之前，我正在使用 uTidyLib

a = tidy.parseString(html_code, options) dom = etree.fromstring(str(a))

有时我得到一个错误，似乎 tidylib 无法修复格式错误的 html。

如何在不出错的情况下解析每个 HTML 文件（仅解析无法修复的文件的某些部分）？

我正在使用 lxml 以编程方式构建 HTML，并且需要在输出中包含自定义注释。虽然 lxml 中有处理注释的代码（可以在解析现有 HTML 代码时实例化它们），但我找不到以编程方式实例化注释的方法。

任何人都可以帮忙吗？

我正在使用 lxml 来操作一些现有的 XML 文档，并且我想引入尽可能少的差异噪声。不幸的是，默认情况下lxml.etree.XMLParser不会在文档的根元素之前或之后保留空格：

这可能使用lxml吗？底层的 libxml2 是否支持它？

我想将文档类型添加到我使用 LXML 的 etree 生成的 XML 文档中。

但是我不知道如何添加文档类型。硬编码和连接字符串不是一种选择。

我期待与如何在 etree 中添加 PI 类似的东西：

但这对我不起作用。如何使用 lxml 将 a 添加到 xml 文档中？

我正在尝试获取一串文本，然后从 html 中“提取”段落/文档中的其余文本。

我目前的方法是尝试在已用 lxml 解析的 html 中找到字符串的“父标签”。（如果您知道解决此问题的更好方法，我会全力以赴！）

例如，在树中搜索“TEXT STRING HERE”并返回“p”标签。（请注意，我不会事先知道 html 的确切布局）

谢谢你的帮助！

在我的测试文档中，我有几个标记为“item”的类，目前我正在使用以下内容来解析带有此类的 html 文件中的所有内容

我希望它选择所有奇怪的项目，就像在 javascript 中使用 JQuery

逐字尝试我收到以下错误

lxml.cssselect.ExpressionError：伪类符号（u'odd'，6）未知

我知道我自己实现这将是微不足道的，我想知道这是否由 lxml 本机支持。

我需要将一些严重依赖 lxml 的代码从 CPython 应用程序移植到 IronPython。

lxml 非常 Pythonic，我想在 IronPython 下继续使用它，但它依赖于 libxslt 和 libxml2，它们是 C 扩展。

有谁知道在 IronPython 下允许 lxml 或没有那些 C 扩展依赖项的 lxml 版本的解决方法？

我有一个 XML 文档，我正在使用它进行漂亮的打印lxml.etree.tostring

默认缩进级别是 2 个空格，我想将其更改为 4 个空格。函数中没有任何参数tostring；有没有办法用lxml轻松做到这一点？

我已经尝试过这个并在过去多次遇到问题。有没有人有在没有 MacPorts 或 Fink 的情况下在 OS X 上安装 lxml 的方法，这绝对有效？

最好使用完整的 1-2-3 步骤来下载和构建每个依赖项。

除此之外lxml，是否有人知道依赖于 libxml2 和 libxslt 的 Python 包？