从本地文件解析 HTML

Question

我正在使用带有 Python 的 Google App Engine。我想从与我的 Python 脚本相同的项目中获取 HTML 文件的树。我尝试了很多东西，比如使用绝对 url（例如http://localhost:8080/nl/home.html）和相对 url（/nl/home.html）。两者似乎都不起作用。我使用此代码：

class HomePage(webapp2.RequestHandler):    
    def get(self):

        path = self.request.path

        htmlfile = etree.parse(path)
        template = jinja_environment.get_template('/nl/template.html')

        pagetitle = htmlfile.find(".//title").text
        body = htmlfile.get_element_by_id("body").toString()

它返回以下错误： IOError：读取文件“/nl/home.html”时出错：无法加载外部实体“/nl/home.html

有谁知道如何使用 Python 从同一个项目中获取 HTML 文件的树？

编辑

这是工作代码：

class HomePage(webapp2.RequestHandler):    
def get(self):

    path = self.request.path.replace("/","",1)
    logging.info(path)

    htmlfile = html.fromstring(urllib.urlopen(path).read())   
    template = jinja_environment.get_template('/nl/template.html')

    pagetitle = htmlfile.find(".//title").text
    body = innerHTML(htmlfile.get_element_by_id("body"))

def innerHTML(node): 
    buildString = ''
    for child in node:
        buildString += html.tostring(child)
    return buildString

Answer 1

似乎是权限问题；检查您的 python 脚本是否可以访问该文件。如果您将该文件提供给所有人，它会起作用吗？

Answer 2

我相信您的错误出在文件的路径中。您假设您的应用程序目录是服务器上文件系统的根目录。不必如此。实际上，我找不到任何关于文件位置的文档，所以这就是我所做的（它在开发服务器上工作，我还没有在生产中厌倦它）：

我假设 Google 会在我的应用程序中保留文件的相对位置。因此，如果我知道一个文件的位置，我就可以确定其余文件的位置。幸运的是，python 规范允许您以编程方式确定 python 源文件的位置，如下所示：

def get_src_dir(){
    return os.path.dirname(os.path.realpath(__file__))
}

get_src_dir() 你会得到源文件的位置。

os.path.join(get_src_dir(), rel_path_to_asset)

现在将为您提供资产路径。 rel_path_to_asset 是相对于 get_src_dir() 函数所在的源文件的资产路径...

Answer 3

您的工作目录是您的应用程序目录的基础。因此，如果您的应用是这样组织的：

• app.yaml
• nl/
  • home.html

然后您可以在nl/html.html 阅读您的文件（假设您没有更改您的工作目录）。