python，lxml或etree以获取包含某些文本的节点的父级
我如何继续获取包含一段文本的节点的父节点？
此外，我可以使用一些正则表达式机制作为匹配元素进行搜索/过滤，re.compile("th[ei]s? .ne")例如从下面进行搜索？
说 this one
html = '''<html>
<head><title></title></head>
<body>
<table>
<tr><td>1a</td><td>2a</td><td>3a</td><td>4a</td><td>5a</td><td>6a</td></tr>
<tr><td>1b</td><td>2b</td><td>3b</td><td>4b</td><td>5b</td><td>6b</td></tr>
<tr><td>1c</td><td>2c</td><td>3c</td><td>4c</td><td>5c</td><td>6c this one</td></tr>
</table>
<div><div>
<table>
<tr><td>1A</td><td>2A</td><td>3A</td><td>4A</td><td>5A</td><td>6A</td></tr>
<tr><td>1B</td><td>2B</td><td>3B</td><td>4B</td><td>5B</td><td>6B</td></tr>
<tr><td>1C</td><td>2C</td><td>3C</td><td>4C</td><td>5C</td><td>6C</td></tr>
</table>this one
</div></div>
</body>
</html>'''
我想有一个返回的迭代器：
<td>6c this one</td>
进而：
<div>
<table>
<tr><td>1A</td><td>2A</td><td>3A</td><td>4A</td><td>5A</td><td>6A</td></tr>
<tr><td>1B</td><td>2B</td><td>3B</td><td>4B</td><td>5B</td><td>6B</td></tr>
<tr><td>1C</td><td>2C</td><td>3C</td><td>4C</td><td>5C</td><td>6C</td></tr>
</table>this one
</div>
我试过：
import lxml.html
root = lxml.html.document_fromstring(html)
root.xpath("//text()[contains(., one)]")
和
import xml.etree.ElementTree as ET
for e in ET.fromstring(html).getiterator():
if e.text and e.text.find('one') != -1:
print "Found string %r, element = %r" % (e.text, e)
但是我可以拥有的最好的节点是包含this one自身的节点...而我正在寻找包含此文本的父节点。请注意，div或表仅作为示例，我真的需要在找到“ this”之后返回到父级，而不是过滤包含的xml元素，this one因为在找到它之前，我将不知道这是div，表还是其他任何东西包含。
慕少森3回答
-
杨__羊羊
根据示例输出，您似乎想要获取包含指定文本的元素one。您的描述说您想要该节点的父节点。基于此假设，您可以使用以下XPath获得所需的节点：//*[contains(text(), 'one')]如果您确实想要此节点的父级，则可以执行//*[child::*[contains(text(), 'one')]]顺便说一句，如您所见，我使用谓词来获取节点，因此我过滤了XML节点。在我看来，这是更合乎逻辑和更易理解的方法，因为它基本上是说给我所有满足给定条件的节点，而不是说给我所有条件的输出，然后从这一点开始搜索实际所需的输出。但是您也可以执行以下操作，以更好地匹配您提出的解决方案：//text()[contains(., 'one')]/parent::* -
繁星淼淼
>>> root.xpath("//*[contains(child::*/text(), 'one')]") # why empty parent?[]该XPath表达式选择第一个孙文本节点包含“一个”的每个元素。的第一个参数contains()应为字符串，因此XPath接受结果中的第一个节点child::*/text()并采用其字符串值。由于没有元素的文本节点的第一个孙子节点包含“一个”，因此答案是空的节点列表。>>> root.xpath("//*[contains(text(), 'one')]")# i expected to have a list with two elements td and div[<Element td at 0x280b600>]出于相同的原因，此XPath表达式选择其第一个文本节点子代包含“一个”的所有元素。这就是为什么<td>选择<div>而不选择的原因：div的包含“一个”的子文本节点不是其第一个子文本节点。>>> root.xpath("//*[child::*[contains(text(), 'one')]]")# if parent: expected tr and div,# if not parent expected table or div, still missing one[<Element tr at 0x2821f30>]这面临着与先前表达式相同的限制。您是否尝试过@dirkk提出的最后一个解决方案，//text()[contains(., 'one')]/parent::*那应该避免将多个节点作为第一个参数传递给您的问题contains()。
随时随地看视频慕课网APP
相关分类
Python