lxml 中 cssselect 的 XHTML 命名空间问题答案

【问题标题】：XHTML namespace issues with cssselect in lxmllxml 中 cssselect 的 XHTML 命名空间问题
【发布时间】：2011-10-15 03:47:54
【问题描述】：

我在使用带有 XHTML（或带有命名空间的 XML）的 cssselect 时遇到问题。虽然文档说如何在 csselect 中使用命名空间，但我不明白：cssselect namespaces

我的输入 XHTML 字符串：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
  <title>Teststylesheet</title>
  <style type="text/css">
  /*<![CDATA[*/
  ol{margin:0;padding:0}
  /*]]>*/
  </style>
</head>
<body>
</body>
</html>

我的 Python 脚本：

parser = etree.XMLParser()    
tree = etree.fromstring(xhtmlstring, parser).getroottree()
for style in CSSSelector("style")(tree):
  print "HAVE CSS!"

python 脚本不打印任何Have CSS!。使用etree.HTMLParser 而不是etree.XMLParser 可以，但我真的很想使用XMLParser 并保留XHTML 的所有内容（命名空间、结构）。

谁能帮我解决这个命名空间问题？

【问题讨论】：

标签： python css xhtml lxml xml-namespaces

【解决方案1】：

cssselect.CSSSelector（2.0 版）的文档字符串显示了如何使用命名空间：

class CSSSelector(etree.XPath):
    """ ...
    To use CSS namespaces, you need to pass a prefix-to-namespace
    mapping as ``namespaces`` keyword argument::

        >>> rdfns = 'http://www.w3.org/1999/02/22-rdf-syntax-ns#'
        >>> select_ns = cssselect.CSSSelector('root > rdf|Description',
        ...                                   namespaces={'rdf': rdfns})

        >>> rdf = etree.XML((
        ...     '<root xmlns:rdf="%s">'
        ...       '<rdf:Description>blah</rdf:Description>'
        ...     '</root>') % rdfns)
        >>> [(el.tag, el.text) for el in select_ns(rdf)]
        [('{http://www.w3.org/1999/02/22-rdf-syntax-ns#}Description', 'blah')]
    """

如果您尝试过此操作，但您的cssselect.CSSSelector 版本没有namespaces 参数，那么您的lxml 版本可能需要升级。

【讨论】：

谢谢！我刚刚用for style in CSSSelector("xhtml|style", namespaces={'xhtml': 'http://www.w3.org/1999/xhtml'})(tree): 替换了我的代码for style in CSSSelector("style")(tree): 中的字符串，它工作了！在我看来，cssselect 和命名空间的文档可以改进。 :-)