如何使用 xpath & lxml 获取节点的全部内容？答案

【问题标题】：how to get the full contents of a node using xpath & lxml?如何使用 xpath & lxml 获取节点的全部内容？
【发布时间】：2011-05-06 02:38:56
【问题描述】：

我正在使用 lxml 的 xpath 函数来检索网页的某些部分。我正在尝试获取  标记的内容，其中包括它自己的 html 标记。如果我使用

//td[@valign="top"]/p[1]/font[@face="verdana" and @color="#ffffff" and @size="2"]

我得到了适量的节点，但它们以 lxml 对象 (<Element font at 0x101fe5eb0>) 的形式返回。

如果我使用

//td[@valign="top"]/p[1]/font[@face="verdana" and @color="#ffffff" and @size="2"]/text()

我得到了我想要的，除了我没有得到包含在  节点中的任何 HTML 代码。

如果我使用

//td[@valign="top"]/p[1]/font[@face="verdana" and @color="#ffffff" and @size="2"]/node()

如果得到文本和 lxml 元素的混合！（例如something something <Element a at 0x102ac2140> something）

有没有办法使用纯 XPath 查询来获取  节点的内容，或者甚至强制 lxml 从 .xpath() 方法返回一个内容字符串，而不是一个 lxml 对象？

请注意，我从 XPath 查询中返回了许多节点的列表，因此解决方案需要支持它。

只是为了澄清...我想从...返回something something <a href="url">inside</a> something...

<font face="verdana" color="#ffffff" size="2"><a href="url">inside</a> something</font>

【问题讨论】：

好问题，+1。请参阅我的答案以获得解释。

标签： python html lxml xpath

【解决方案1】：

无论如何要使用纯 XPath 查询获取内容 节点，甚至强制lxml 返回内容的字符串来自.xpath() 方法，而不是比一个 lxml 对象？

请注意，我返回了许多列表 XPath 查询中的节点，因此解决方案需要支持这一点。

只是为了澄清......我想回来某事<a href="url">inside</a> something来自类似...
<a
href="url">里面的东西

简答：不。

XPath 不适用于“标签”，但适用于节点

所选节点以托管 XPath 的语言表示为特定对象的实例。

如果您需要特定节点标记的字符串表示形式，此类对象通常支持 outerXML 属性——请查看宿主语言的文档（在本例中为 lxml）。

正如@Robert-Rossney 在评论中指出的那样：lxml 的tostring() 方法等价于其他环境的outerXml 属性。

【讨论】：

谢谢，已更改问题中的词汇... lxml 似乎不支持 innerXML() 或 outerXML() :(
@significance：我也修改了答案：不，XPath 不代表字符串形式的节点标记。
lxml 的tostring() 方法等价于其他环境的outerXml 方法。
@Robert-Rossney：谢谢，我在答案中添加了这些信息。

【解决方案2】：

我不确定我是否理解 - 这是否接近您正在寻找的内容？

import lxml.etree as le
import cStringIO
content='''\
<font face="verdana" color="#ffffff" size="2"><a href="url">inside</a> something</font>
'''
doc=le.parse(cStringIO.StringIO(content))

xpath='//font[@face="verdana" and @color="#ffffff" and @size="2"]/child::*'
x=doc.xpath(xpath)
print(map(le.tostring,x))
# ['<a href="url">inside</a> something']

【讨论】：