lxml相关内容

如何通过匹配字符串在Python中提取父级html标记

我需要通过匹配html中的字符串来在html中提取父标签。 （即） 我有很多原始的html资源。每个来源都包含带有一些字符的文本值“VIN： * ”**。这个文本值（VIN： * ）在各个源文件中以各种格式放置，例如“ ”，“ ”等。 然后，我需要提取所有值以及“VIN： * ”字符串。这意味着我需要得到它的父标签。 例如， ..
发布时间：2018-06-21 16:35:13 前端开发

如何使用xpath& amp; amp;限于lxml？

我使用lxml的xpath函数来检索网页的某些部分。我试图获取 标签的内容，其中包含自己的html标签。如果我使用 // td [@ valign =“top”] / p [1] / font [@ face =“ verdana“和@color =”＃ffffff“和@ size =”2“] （code> ..
发布时间：2018-06-21 13:30:24 前端开发

如何使用lxml解析HTML表格与变量列表？

我试图用lxml解析一个HTML表格。虽然 rows = outhtml.xpath（'// tr / td / span [@ class =“boldred”] / text（）'）取得结果，我试图仅当我的配置文件中的变量开始时才提取列内容。例如，如果 以'Street 1'开头，那么我想抓住 标记的内容。这样，我可以有一个元组的元组（它处理None值），然 ..
发布时间：2018-06-20 16:11:57 前端开发

快速有效的方法来解析破碎的HTML？

目前lxml是我的选择，我知道它提供了一个界面对于libxml2的恢复模式，但我对结果并不满意。对于一些特定的HTML页面，我发现BeautifulSoup可以找到更好的结果（例如： http://fortune.com/2015/11/10/vw-scandal-volkswagen-gift-cards/ ，这个包含 标签，其中lxml / libxml2无法更正）。但是，问 ..
发布时间：2018-06-19 22:06:32 前端开发

使用python解析HTML表格--HTMLparser或lxml

我有一个html页面，它包含一个表格&我想获取td中的所有值，tr在该表中。 我尝试过使用beautifulsoup，但现在我想用python处理lxml或HML分析器。 我附上了这个例子。 我想以元组列表的形式获取值。 [ [（值为2050年1月，主题 - part1-sub part1-subject1的值），（2050 feb的值，主题 - part1- （s ..
发布时间：2018-06-19 21:24:57 前端开发

将lxml设置为默认的BeautifulSoup分析器

我正在开发一个网络抓取项目，并且遇到了速度问题。为了解决它，我想用lxml代替html.parser作为BeautifulSoup的解析器。我已经能够做到这一点： soup = bs4.BeautifulSoup（html，'lxml'） 但我不想重复键入'lxml'每次我打电话给BeautifulSoup。有没有一种方法可以设置哪个解析器在我的程序开始时使用一次？解析方案 ..
发布时间：2018-06-19 21:19:33 前端开发

如何在Python中分析格式不正确的HTML

我在使用lxml解析字符串之前使用uTidyLib a = tidy.parseString（html_code，options） dom = etree.fromstring（str（a）） 一个错误，似乎tidylib无法修复格式不正确的html。 如何解析每个HTML文件而不会出现错误（仅解析可以解析的部分文件不被修复）？ 解决方案 美丽的汤在无效/破坏的HTML ..
发布时间：2018-06-15 11:56:54 前端开发

用Lxml解析HTML

我需要帮助从lxml页面解析出一些文本。我尝试了美丽的和我正在解析的页面的HTML是如此的破碎，它不会工作。所以我已经转向lxml，但文档有点混乱，我希望有人能帮助我。 这里是我试图解析的页面，我需要获取”附加信息“部分下的文本。请注意，我在这个网站上有很多页面需要解析，每个页面的html并不总是完全相同（可能包含一些额外的空“td”标签）。任何有关如何获得该文本的建议都将非常感激。 ..
发布时间：2018-06-15 10:20:47 前端开发

使用python和lxml模块从html中删除所有javascript标签和样式标签

我使用 http://lxml.de/ 库解析html文档。到目前为止，我已经想出了如何从html文档中去除标签，但在该帖子中描述的方法会留下所有文本，剥离标签而不删除实际脚本。我还发现了lxml.html.clean.Cleaner的类引用 http： //lxml.de/api/lxml.html.clean.Cleaner-class.html ，但这清楚地表明了如何真正使用该类来清理文档。 ..
发布时间：2018-06-15 10:07:32 前端开发

在Python中解析HTML时获取位置信息

我试图找到一种方法来解析（可能格式错误的）Python中的HTML，并且如果满足一组条件，则将该文档的该部分与位置（行，列）一起输出。位置信息是什么让我在这里绊倒。并且要清楚，我不需要构建对象树。我只是想在原始文档中找到某些数据和它们的位置（想想拼写检查器，例如：在第x行第y列中的单词“foo”拼写错误）' 作为一个例子，我想要这样的东西（使用ElementTree的 Target API ..
发布时间：2018-06-14 20:16:17 前端开发

使用lxml和请求进行HTML抓取会导致unicode错误

我尝试使用此处提供的HTML刮板。它为他们提供的例子工作正常。但是，当我尝试将其与网页，我收到这个错误 - 支持的。请不要声明使用字节输入或XML片段。 我尝试了谷歌搜索，但找不到解决方案。我真的很感谢任何帮助。我想知道是否有方法使用Python将它复制为HTML。 编辑： from lxml import html 导入请求 page = requests.get（'ht ..
发布时间：2018-06-14 19:14:46 前端开发

Python：如何将html打印到文件中

我使用 lxml.html 来生成一些HTML。我想漂亮地打印（缩进）我的最终结果到一个html文件。我是如何做到的？ 这是我尝试过的并且到现在为止（我对Python和lxml比较新）： 将lxml.html作为lh 从lxml.html导入构建器导入为E sliderRoot = lh.Element（“div”，E. CLASS（“scroll”），style =“overf ..
发布时间：2018-06-13 17:34:22 前端开发

使用xmltree解析大型python xml

我有一个python脚本来分析巨大的xml文件（最大的一个是446 MB） try： parser = etree.XMLParser（encoding ='utf-8'） tree = etree.parse（os.path.join（srcDir，fileName），parser）$ b $ root root = tree.getroot（） 除了Exception，e： pr ..
发布时间：2018-05-28 19:44:40 Python

openshift：无法为python应用程序安装lxml

我正在尝试Openshift，但我无法使用 lxml 部署python应用程序。 以下是我的步骤，我只添加 lxml 要求。错误发生在我推送时。 我能够ssh，所以我不认为这是连接问题。 如果我不添加lxml要求，但添加了一些其他库，它可以工作。 问题仅在于lxml。我认为这是因为它具有一些系统依赖性（我必须在ubuntu机器上运行此命令： sudo apt-get ins ..
发布时间：2018-04-27 21:14:28 Python

通过pip安装错误在virtualenv中安装lxml：命令'x86_64-linux-gnu-gcc'失败

/ usr / bin / ld在启动virtualenv并键入'pip install lxml'时，安装过程崩溃：无法找到-lz collect2：错误：ld返回1退出状态 错误：命令'x86_64-linux-gnu-gcc'失败，退出状态1 解决方案 您必须注意的错误是第一个“/ usr / bin / ld：找不到-lz“：这意味着你没有安装zlib-dev ..
发布时间：2018-04-21 10:30:59 服务器开发