支持 XPath 的库有哪些?有完整的实现吗?图书馆是如何使用的?它的网站在哪里?
libxml2 有许多优点:
符合规范 积极开发和社区参与 速度。这实际上是一个围绕 C 实现的 python 包装器。无处不在。 libxml2 库无处不在,因此经过了很好的测试。
缺点包括:
符合规范。很严格。像默认命名空间处理这样的事情在其他库中更容易。使用本机代码。这可能会很痛苦,具体取决于您的应用程序是如何分布/部署的。 RPM 可以减轻这种痛苦。手动资源处理。请注意下面的示例中对 freeDoc() 和 xpathFreeContext() 的调用。这不是很 Pythonic。
如果您正在进行简单的路径选择,请坚持使用 ElementTree(包含在 Python 2.5 中)。如果您需要完整的规范合规性或原始速度并且可以处理本机代码的分发,请使用 libxml2。
libxml2 XPath 使用示例
import libxml2
doc = libxml2.parseFile("tst.xml")
ctxt = doc.xpathNewContext()
res = ctxt.xpathEval("//*")
if len(res) != 2:
print "xpath query: wrong node set size"
sys.exit(1)
if res[0].name != "doc" or res[1].name != "foo":
print "xpath query: wrong node set value"
sys.exit(1)
doc.freeDoc()
ctxt.xpathFreeContext()
ElementTree XPath 使用示例
from elementtree.ElementTree import ElementTree
mydoc = ElementTree(file='tst.xml')
for e in mydoc.findall('/foo/bar'):
print e.get('title').text
lxml package 支持 xpath。它似乎工作得很好,虽然我在 self:: 轴上遇到了一些麻烦。还有Amara,但我个人没有用过。
听起来像这里的 lxml 广告。 ;) ElementTree 包含在标准库中。在 2.6 及以下,它的 xpath 非常弱,但在 2.7+ much improved 中:
import xml.etree.ElementTree as ET
root = ET.parse(filename)
result = ''
for elem in root.findall('.//child/grandchild'):
# How to make decisions based on attributes even in 2.6:
if elem.attrib.get('name') == 'foo':
result = elem.text
break
使用 LXML。 LXML 使用 libxml2 和 libxslt 的全部功能,但将它们包装在比这些库本地的 Python 绑定更多的“Pythonic”绑定中。因此,它获得了完整的 XPath 1.0 实现。 Native ElemenTree 支持有限的 XPath 子集,尽管它可能足以满足您的需要。
另一个选项是 py-dom-xpath,它可以与 minidom 无缝协作,并且是纯 Python,因此可以在 appengine 上运行。
import xpath
xpath.find('//item', doc)
find
函数中的 context
允许您使用另一个 xpath 结果作为新的搜索上下文。
您可以使用:
PyXML:
from xml.dom.ext.reader import Sax2
from xml import xpath
doc = Sax2.FromXmlFile('foo.xml').documentElement
for url in xpath.Evaluate('//@Url', doc):
print url.value
libxml2:
import libxml2
doc = libxml2.parseFile('foo.xml')
for url in doc.xpathEval('//@Url'):
print url.content
from xml.dom.ext.reader import Sax2
获得了 ImportError: No module named ext
您可以使用 lxml
中的简单 soupparser
例子:
from lxml.html.soupparser import fromstring
tree = fromstring("<a>Find me!</a>")
print tree.xpath("//a/text()")
最新版本的 elementtree 很好地支持 XPath。我不是 XPath 专家,我不能确定实现是否完整,但它满足了我在 Python 中工作时的大部分需求。我还使用了 lxml 和 PyXML,我发现 etree 很好,因为它是一个标准模块。
注意:我已经找到了 lxml,对我来说它绝对是 Python 最好的 XML 库。它也很好地执行 XPath(尽管可能不是完整的实现)。
如果您想同时拥有 XPATH 的强大功能以及随时使用 CSS 的能力,您可以使用 parsel
:
>>> from parsel import Selector
>>> sel = Selector(text=u"""<html>
<body>
<h1>Hello, Parsel!</h1>
<ul>
<li><a href="http://example.com">Link 1</a></li>
<li><a href="http://scrapy.org">Link 2</a></li>
</ul
</body>
</html>""")
>>>
>>> sel.css('h1::text').extract_first()
'Hello, Parsel!'
>>> sel.xpath('//h1/text()').extract_first()
'Hello, Parsel!'
//li/a/text()
PyXML 运行良好。
您没有说明您使用的是什么平台,但是如果您使用的是 Ubuntu,您可以通过 sudo apt-get install python-xml
获得它。我确信其他 Linux 发行版也有它。
如果您使用的是 Mac,则 xpath 已安装但无法立即访问。您可以在您的环境中设置 PY_USE_XMLPLUS
或在导入 xml.xpath 之前以 Python 方式进行设置:
if sys.platform.startswith('darwin'):
os.environ['PY_USE_XMLPLUS'] = '1'
在最坏的情况下,您可能必须自己构建它。这个包不再维护,但仍然可以很好地构建,并且可以与现代 2.x Python 一起使用。基本文档是 here。
不定期副业成功案例分享
from xml.etree.ElementTree import ElementTree