我正在尝试用Python中的lxml和xpath获取子节点的HTML内容。如下面的代码所示，我想找到每个产品节点的html内容。它有类似product.html的方法吗？
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))
您可以在此处看到更多示例：http://lxml.de/tutorial.html
我相信您想要使用tostring()方法：
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)
获取innerHTML或innerXML
的简单函数。
直接试用https://pyfiddle.io/fiddle/631aa049-2785-4c58-bf82-eff4e2f8bedb/
.
功能
def innerXML(elem):
elemName = elem.xpath('name(/*)')
resultStr = ''
for e in elem.xpath('/'+ elemName + '/node()'):
if(isinstance(e, str) ):
resultStr = resultStr + ''
else:
resultStr = resultStr + etree.tostring(e, encoding='unicode')
return resultStr
调用
XMLElem = etree.fromstring("<div>I am<name>Jhon <last.name> Corner</last.name></name>.I work as <job>software engineer</job><end meta='bio' />.</div>")
print(innerXML(XMLElem))
背后的逻辑
- 首先获取最外层的元素名称
- 然后获取所有子节点
- 使用
tostring将所有子节点转换为字符串 - 使它们凹陷
右键单击（复制，复制xpath）您想要的特定字段（在chrome的检查器中）后，您可能会得到这样的结果：
//*[@id="specialID"]/div[12]/div[2]/h4/text()[1]
如果你想要每个"specialID"的文本元素
//*[@id="specialID"]/div/div[2]/h4/text()[1]
你可以选择另一个字段，它会交错的结果
//*[@id="specialID"]/div/div[2]/h4/text()[1] | //*[@id="specialID"]/div/some/weird/path[95]
示例可以改进，但它说明了这一点：
//*[@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])
如果您要查找的是文本内容而不是HTML，则可以使用product.text_content()。
实现的另一种方法
x=doc.xpath("//div[@class='name']/parent::*")
print(map(etree.tostring,x))