我有一些html文件:
<html>
<body>
<span class="text">One</span>some text1</br>
<span class="cyrillic">???</span>some text2</br>
</body>
</html>
如何使用带Python的lxml获取"some text1"和"some text2"？
我必须从源代码构建lxml.https://github.com/lxml/lxml
正如文件/doc/build.txt所说,源代码应该提供预编译的.c文件.为什么我找不到它们？在/src/lxml那里只有.pyx文件.哪里.c文件?? ??
实际上我lxml.etree.c在python build命令期间有丢失的文件.
谢谢
我需要使用 Python 创建一个 XML 文档，但我无法弄清楚如何添加一个
<?xml version="1.0" encoding="utf-8"?>
以及如何将命名空间元素添加到文档标签
<Document xmlns="urn:iso:std:iso:2013:008.001.02" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<page1 xmlns="urn:iso:std:iso:2013:008.001.02" </page1>
</Document>
任何例子请
我正在将word文档转换为xml,以使用以下代码进行比较:
word = win32com.client.Dispatch('Word.Application')
wd = word.Documents.Open(inFile)
# Converts the word infile to xml outfile
wd.SaveAs(outFile,11)
wd.Close()
dom=parse(outFile)
我得到的xml文件看起来像:
<?xml version="1.0" encoding="utf-8"?>
<?mso-application progid="Word.Document"?>
<w:wordDocument w:embeddedObjPresent="no" w:macrosPresent="no" w:ocxPresent="no" xml:space="preserve" xmlns:aml="http://schemas.microsoft.com/aml/2001/core" xmlns:dt="uuid:C2F41010-65B3-11d1-A29F-00AA00C14882" xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:sl="http://schemas.microsoft.com/schemaLibrary/2003/core" xmlns:v="urn:schemas-microsoft-com:vml" xmlns:w="http://schemas.microsoft.com/office/word/2003/wordml" xmlns:w10="urn:schemas-microsoft-com:office:word" xmlns:wne="http://schemas.microsoft.com/office/word/2006/wordml" xmlns:wpc="http://schemas.microsoft.com/office/word/2010/wordprocessingCanvas" xmlns:wsp="http://schemas.microsoft.com/office/word/2003/wordml/sp2" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint">
<w:ignoreSubtree w:val="http://schemas.microsoft.com/office/word/2003/wordml/sp2"/>
<w:shapeDefaults>
<o:shapedefaults spidmax="1027" v:ext="edit"/>
<o:shapelayout v:ext="edit">
<o:idmap data="1" v:ext="edit"/>
</o:shapelayout>
</w:shapeDefaults>
<w:body>
<wx:sect>
<w:tbl>
<w:tblGrid>
<w:gridCol w:w="200"/>
...
</w:tblGrid>
<w:pict>
<v:shapetype coordsize="21600,21600" filled="f" id="_x0000_t75" o:preferrelative="t" o:spt="75" path="m@4@5l@4@11@9@11@9@5xe" stroked="f">
<v:stroke joinstyle="miter"/>
<v:formulas>
<v:f eqn="if lineDrawn pixelLineWidth 0"/>
... …我想编写以下lxml etree 子元素：
<ElementProtocolat0x3803048>,
<ElementStudyEventDefat0x3803108>,
<ElementFormDefat0x3803248>,
<ElementItemGroupDefat0x38032c8>,
<ElementClinicalDataat0x3803408>,
<ElementItemGroupDataat0x38035c8>,
<ElementFormDefat0x38036c8>,
以预定义的顺序到我的 odm xml 文件。IE
<ElementProtocolat0x3803048>,
<ElementStudyEventDefat0x3803108>,
<ElementFormDefat0x3803248>,
<ElementFormDefat0x38036c8>,
<ElementItemGroupDefat0x38032c8>,
<ElementItemGroupDataat0x38035c8>,
<ElementClinicalDataat0x3803408>,
....
有没有办法对元素进行排序，即使用预定义的列表？
predefined_order = ['Protocol', 'StudyEventDef','FormDef','ItemGroupDef','ItemDef','CodeList']
我正在提取关于标签的文本，我需要以列表形式获取它们 wrt p 标签。我有这个 xpath 表达式：
find = etree.XPath("//w:p//.//*[local-name() = 'ins']//text()" ,namespaces={'w':"http://schemas.openxmlformats.org/wordprocessingml/2006/main"})
我想在findall表达式中使用它。我试过：
inserted_list_1=[]
for p in lxml_tree.findall('.//{' + w + '}p'):
inserted_list_1.append([t.text for t in p.findall('.//{' + w + '}ins')])
但所有这些返回的是一个充满None值的列表，而前 xpath 工作得很好。
我认为缺少一些中间路径。
我想使用python中的request包从xpath提取URL。我可以得到文本，但没有尝试给出URL。有人可以帮忙吗？
ipdb> webpage.xpath(xpath_url + '/text()')
['Text of the URL']
ipdb> webpage.xpath(xpath_url + '/a()')
*** lxml.etree.XPathEvalError: Invalid expression
ipdb> webpage.xpath(xpath_url + '/href()')
*** lxml.etree.XPathEvalError: Invalid expression
ipdb> webpage.xpath(xpath_url + '/url()')
*** lxml.etree.XPathEvalError: Invalid expression
我使用本教程开始学习：http : //docs.python-guide.org/en/latest/scenarios/scrape/
看起来应该很容易，但是在搜索过程中什么都没有发生。
谢谢。
我必须使用beautifulsoup，但是我不知道我必须使用哪个解析器。我对lxml和html.parser犹豫不决，或者为什么不两者都选择。如何知道网页是否符合lxml？如何知道网页是否符合html解析器？非常感谢
我正在使用python程序来保存存储空间的清单。在XML文档中，将保留碳粉量，我希望我的python程序能够添加，删除和显示不同打印机和不同颜色的碳粉量。
我的XML如下所示：
<?xml version="1.0"?>
<printer>
<t id="095205615111"> <!-- 7545 Magenta -->
<toner>7545 Magenta Toner</toner>
<amount>3</amount>
</t>
<t id="095205615104"> <!-- 7545 Yellow -->
<toner>7545 Yellow Toner</toner>
<amount>7</amount>
</t>
</printer>
id是我们用于库存的条形码中的编号。
到目前为止，我已经希望我的程序使用这些步骤：
检查id是否存在（id-value是我的python程序中从txt文件中的内容通过管道传递的变量）
将xml文档中的amount值更改为+1或-1
无论我尝试什么，它都无法充分发挥作用。您对我可以使用的东西有什么建议吗？
我正在尝试使用Python中的BeautifulSoup抓取各种站点。说我有以下html摘录：
<div class="member_biography">
<h3>Biography</h3>
<span class="sub_heading">District:</span> AnyState - At Large<br/>
<span class="sub_heading">Political Highlights:</span> AnyTown City Council, 19XX-XX<br/>
<span class="sub_heading">Born:</span> June X, 19XX; AnyTown, Calif.<br/>
<span class="sub_heading">Residence:</span> Some Town<br/>
<span class="sub_heading">Religion:</span> Episcopalian<br/>
<span class="sub_heading">Family:</span> Wife, Some Name; two children<br/>
<span class="sub_heading">Education:</span> Some State College, A.A. 19XX; Some Other State College, B.A. 19XX<br/>
<span class="sub_heading">Elected:</span> 19XX<br/>
</div>
我需要结果采用以下格式：
District: AnyState - At Large
Political Highlights: AnyTown City Council, 19XX-XX
Born: June X, 19XX; AnyTown, Calif.
Residence: Some Town
Religion: Episcopalian …lxml ×10
python ×10
xml ×4
xpath ×3
cython ×1
elementtree ×1
findall ×1
html-parser ×1
parsing ×1
python-3.x ×1
sorting ×1
xml-parsing ×1