如何获取lxml中元素的路径？

Question

我正在使用 python 中的 lxml 中的 XPath 在 HTML 文档中进行搜索。如何获取某个元素的路径？这是 ruby nokogiri 的示例：

page.xpath('//text()').each do |textnode|
    path = textnode.path
    puts path
end

打印例如'/html/body/div/div[1]/div[1]/p/text()[1]'，这是我想在python中获取的字符串。

Answer 1

使用 ElementTree 对象中的

getpath

。

from lxml import etree

root = etree.fromstring('''
    <foo><bar>Data</bar><bar><baz>data</baz>
    <baz>data</baz></bar></foo>
    ''')

tree = etree.ElementTree(root)
for e in root.iter():
    print(tree.getpath(e))

打印

/foo
/foo/bar[1]
/foo/bar[2]
/foo/bar[2]/baz[1]
/foo/bar[2]/baz[2]

Answer 2

请参阅 lxml 文档中的 Xpath 和 XSLT with lxml 这给出了包含文本的元素的路径

一个例子是

import cStringIO
from lxml import etree

f = cStringIO.StringIO('<foo><bar><x1>hello</x1><x1>world</x1></bar></foo>')
tree = lxml.etree.parse(f)
find_text = etree.XPath("//text()")

# and print out the required data
print [tree.getpath( text.getparent()) for text in find_text(tree)]

# answer I get is 
>>> ['/foo/bar/x1[1]', '/foo/bar/x1[2]']

Answer 3

如果您的代码部分中只有元素，并且您希望元素的 xpath 执行此操作，那么

element.getroottree().getpath(element)

将完成这项工作。

from lxml import etree

xml = '''
<test>
    <a/>
    <b>
       <i/>
       <ii/>
    </b>
</test>
'''
tree = etree.fromstring(xml)

for element in tree.iter():
    print element.getroottree().getpath(element)

Answer 4

root = etree.parse(open('tmp.txt'))

for e in root.iter():
    print root.getpath(e)