python lxml 找到 <fb:comments /> 标签

Question

我正在使用 lxml 来解析一个 html，它的 facebook cmets 标签看起来像这样：

<fb:comments id="fb_comments"  href="http://example.com" num_posts="5" width="600"></fb:comments>

我正在尝试选择它以获取 href 值，但是当我执行 cssselect('fb:comments') 时，我收到以下错误：

The pseudo-class Symbol(u'comments', 3) is unknown

有办法吗？

编辑： 代码：

from lxml.html import fromstring
html = '...'
parser = fromstring(html)
parser.cssselect('fb:comments')  #raises the exception 

Answer 1

cssselect() 方法使用给定的CSS selector 表达式解析文档。在您的情况下，冒号字符（:）是 XML 命名空间前缀分隔符（即<namespace:tagname/>），它与 CSS 伪类语法（即tagname:pseudo-class）混淆。

根据lxml manual，您应该在cssselect() 中使用namespace-prefix|element 语法，以便找到带有命名空间前缀(fb) 的标记(comments)。所以：

from lxml.html import fromstring
html = '...'
parser = fromstring(html)
parser.cssselect('fb|comments')