<head> 中的 lxml 和 <noscript>答案

【问题标题】：lxml and <noscript> in <head><head> 中的 lxml 和 <noscript>
【发布时间】：2015-12-02 22:45:11
【问题描述】：

我遇到了一个关于 lxml 的奇怪错误：

>>> s = '<html><head><noscript></noscript><script></script><meta></head></html>' 
>>> root = lxml.html.fromstring(s)
>>> root.xpath('/html/head/meta')
>>> root.xpath('/html/body/meta')
[<Element meta at 0x2a92788>]

meta 标签应该在 head 元素中，而不是 body。在这种情况下如何获得正确的元素？

【问题讨论】：

标签： python lxml noscript lxml.html

【解决方案1】：

让我猜猜：您使用的是旧版本的 Ubuntu（如 12.04）吗？实际上，这是 lxml 包使用的预装 libxml2 库的旧版本中的一个错误。在 2.8.0 版的 release notes 中，他们提到了 HTML parser error with <noscript> in the <head> 的修复 - 所以我猜 libxml2 >= 2.8.0 的版本应该可以工作。 Ubuntu 12.04 已安装 2.7.8 版本。

>>> import lxml.etree
>>> lxml.etree.LIBXML_COMPILED_VERSION
(2, 7, 8)
>>> lxml.etree.LIBXML_VERSION
(2, 9, 1)

我认为如果这些版本中的任何一个 >=2.8.0，<noscript> 问题应该消失了。

【讨论】：

【解决方案2】：

这对我有用：

import lxml.html

s = '<html><head><noscript></noscript><script></script><meta></head></html>' 
root = lxml.html.fromstring(s)
print(root.xpath('/html/head/meta'))
print(root.xpath('/html/body/meta'))

输出：

[<Element meta at 0x10a123b8>]
[]

我正在使用 Python 2.7.9 和 lxml 版本 3.4.2。

【讨论】：

但是我收到了这个错误：AttributeError: 'module' object has no attribute 'html'
通过from lxml import etree、etree.LXML_VERSION检查您使用的lxml版本。我正在努力复制您的问题
我使用的是 Python 2.7.3 和 LXML 3.4.4
我稍后会尝试升级Python并重新检查。谢谢！
@Kid，你的 AttributeError，尝试相对导入：from lxml import html 并将 lxml.html.fromstring 的用法更改为 html.fromstring。