Python XPath SyntaxError:无效谓词

Question

我试图解析像xml一样的

<document>
    <pages>

    <page>   
       <paragraph>XBV</paragraph>

       <paragraph>GHF</paragraph>
    </page>

    <page>
       <paragraph>ash</paragraph>

       <paragraph>lplp</paragraph>
    </page>

    </pages>
</document>

这是我的代码

import xml.etree.ElementTree as ET

tree = ET.parse("../../xml/test.xml")

root = tree.getroot()

path="./pages/page/paragraph[text()='GHF']"

print root.findall(path)

但我得到一个错误

print root.findall(path)
  File "X:\Anaconda2\lib\xml\etree\ElementTree.py", line 390, in findall
    return ElementPath.findall(self, path, namespaces)
  File "X:\Anaconda2\lib\xml\etree\ElementPath.py", line 293, in findall
    return list(iterfind(elem, path, namespaces))
  File "X:\Anaconda2\lib\xml\etree\ElementPath.py", line 263, in iterfind
    selector.append(ops[token[0]](next, token))
  File "X:\Anaconda2\lib\xml\etree\ElementPath.py", line 224, in prepare_predicate
    raise SyntaxError("invalid predicate")
SyntaxError: invalid predicate

我的xpath有什么问题？

跟进

谢谢你,你的解决方案有效.我有一个跟进.现在,我想获得带有文本的段落之前的所有段落元素GHF.所以在这种情况下我只需要XBV元素.我想忽略ash和lplp.我想有一种方法可以做到这一点

result = []
for para in root.findall('./pages/page/'):
    t = para.text.encode("utf-8", "ignore")
    if t == "GHF":
       break
    else:
        result.append(para)

但是有更好的方法吗？

Answer 1

ElementTree的XPath支持有限.使用其他库,如lxml:

import lxml.etree
root = lxml.etree.parse('test.xml')

path="./pages/page/paragraph[text()='GHF']"
print root.xpath(path)

Answer 2

正如@falsetru 提到的，ElementTree不支持text()谓词，但它支持按文本匹配子元素，因此在此示例中，可以使用 path搜索具有特定文本的pagea 。这里的问题是 a 中有多个标签，因此必须迭代特定的. 就我而言，我需要在 maven pom.xml 中找到a 的，并且只有一个孩子，因此以下工作：paragraph./pages/page[paragraph='GHF']paragraphpageparagraphversiondependencyversion

In [1]: import xml.etree.ElementTree as ET

In [2] ns = {"pom": "http://maven.apache.org/POM/4.0.0"}

In [3] print ET.parse("pom.xml").findall(".//pom:dependencies/pom:dependency[pom:artifactId='some-artifact-with-hardcoded-version']/pom:version", ns)[0].text
Out[1]: '1.2.3'