如何将XPath元素转换为纯HTML文本？

我页：如何将XPath元素转换为纯HTML文本？

<body> 
    <div> 
    <a id="123">text_url</a> 
    </div>  
<body>

我想元素 '// DIV /一个' 纯HTML文本。

<a id="123">text_url</a>

我该怎么办？

来源

2014-09-05 Anton Barycheuski

从XPath的角度来看，'// DIV/A'已指向''text_url。其余依赖于XPath主机。什么是您正在使用的XPath引擎？编程语言和Xpath库可能？ – har07 2014-09-05 11:31:09

python语言，libs - lxml，抓取。据我所知，XPath标准不支持这种常用方法？ – 2014-09-05 11:36:43

我不知道python，也许别人可以带你。通常，XPath库提供了获取节点标记的方法。例如，在.NET中，我可以这样做：'var node = xml.SelectSingleNode（“// div/a”）; var nodesMarkup = node.OuterHtml;' – har07 2014-09-05 11:41:54

如果您已经使用解析的lxml对象，你可以用lxml.etree.tostring()序列化：

from lxml import etree 
xml='''<body> 
    <div> 
    <a id="123">text_url</a> 
    </div>  
</body>''' 

root = etree.fromstring(xml) 
for a in root.xpath('//div/a'): 
    print etree.tostring(a, method='html', with_tail=False)

来源

2014-09-05 17:03:49

在python中使用抓取模块的工作解决方案。

from grab import Grab 

g = Grab() 
g.go('file://page.htm') 
print g.doc.select('//div/a')[0].html() 

>><a id="123">text_url</a>

来源

2014-09-05 11:50:29

你可以用re.findall来使用python的re模块。

import re 
print re.findall(r".*?(<a.*?<\/a>).*",x,re.DOTALL)

其中x是 X = “” “ text_url ”“”

Output:['<a id="123">text_url</a>']

见演示为好。

http://regex101.com/r/lF4lY6/1

来源

2014-09-05 12:12:18 vks

正则表达式不适合需要从复杂页面上的某些标记中提取html的任务 – 2014-09-05 12:27:07

你可以在Python中使用XML库。

from xml.etree.ElementTree import parse 

doc = parse('page.xml') # assuming page.xml is on disk 
print doc.find('div/a[@id="123"]').text

请注意，这只适用于严格的XML。例如，您关闭body标签不正确，并且此代码在此情况下会失败。 Web上的HTML不是严格的XML。

来源

2014-09-05 15:36:52 Saish

如何将XPath元素转换为纯HTML文本？

回答

相关问题