Próbuję pobrać treść HTML węzła potomnego z lxml i xpath w Pythonie. Jak pokazano w poniższym kodzie, chcę znaleźć zawartość html dla każdego z węzłów produktu. Czy ma jakieś metody, takie jak product.html?Pobierz wewnętrzny kod HTML elementu w lxml
productGrids = tree.xpath("//div[@class='name']/parent::*")
for product in productGrids:
print #html content of product
from lxml import etree
print(etree.tostring(root, pretty_print=True))
można zobaczyć więcej przykładów tutaj: http://lxml.de/tutorial.html
wierzę chcesz użyć metody tostring():
from lxml import etree
tree = etree.fromstring('<html><head><title>foo</title></head><body><div class="name"><p>foo</p></div><div class="name"><ul><li>bar</li></ul></div></body></html>')
for elem in tree.xpath("//div[@class='name']"):
# pretty_print ensures that it is nicely formatted.
print etree.tostring(elem, pretty_print=True)
inny sposób to zrobić
x=doc.xpath("//div[@class='name']/parent::*")
print(map(etree.tostring,x))
Po prawej kliknięcie (kopia, kopia XPath) w danej dziedzinie, którą chcesz (w Inspektorze Chrome), można uzyskać coś takiego:
//*[@id="specialID"]/div[12]/div[2]/h4/text()[1]
Jeśli chciał ten element tekstowy dla każdego „specialID”
//*[@id="specialID"]/div/div[2]/h4/text()[1]
można wybrać kolejne pole i będzie ona przeplatają wyniki
//*[@id="specialID"]/div/div[2]/h4/text()[1] | //*[@id="specialID"]/div/some/weird/path[95]
Przykład mogłoby być lepsze, ale to ilustruje punkt:
//*[@id="mw-content-text"]/div/ul[1]/li[11]/text()
from lxml import html
import requests
page = requests.get('https://en.wikipedia.org/wiki/Web_scraping')
tree = html.fromstring(page.content)
data = tree.xpath('//*[@id="mw-content-text"]/div/ul[1]/li/a/text() | //*[@id="mw-content-text"]/div/ul[1]/li/text()[1]')
print(len(data))
for i in range(len(data)):
print(data[i])
Dzięki. Tego właśnie szukałem. –
Pamiętaj, że ma opcjonalny parametr 'encode' używaj w następujący sposób:' etree.tostring (xxxxx, encoding = 'unicode') ' – shellbye
To jest * zewnętrzny * HTML. –