我想带一个html文档,并与其子项遍历文档的<body>
部分。我看到很多例子通过xpath或标签名称获得子树,但这似乎没有给孩子们。
import lxml
from lxml import html, etree
html3 = "<html><head><title>test<body><h1>page title</h3><p>some text</p>"
root = lxml.html.fromstring(html3)
tree = etree.ElementTree(root)
for el in root.iter():
# do something
print(el.text, tree.getpath(el))
这将输出
None /html
None /html/head
test /html/head/title
None /html/body
page title /html/body/h1
some text /html/body/p
我只想
page title /html/body/h1
some text /html/body/p
任何帮助感激不尽。
我有类似的困难,然后我想每个etree节点有一个迭代器,如果它的父级使用你可以遍历
例如,root这里将使用你可以迭代身体的每个元素的身体
from lxml import etree
parser = etree.HTMLParser()
tree = etree.parse('yourdocument.html', parser)
root = tree.xpath('/html/body/')[0]
for i in root.getiterator():
print(i.tag,i.text)
看来你的HTML代码格式无效,我只是用beautifuSoup写了一个小程序,也许你可以用来修改你的目的:
from bs4 import BeautifulSoup
html3 = "<html><head><title>test</title></head><body><h1>page title</h1><p>some text</p><body></html>"
soup = BeautifulSoup(html3, "html5lib")
body = soup.find('body')
for item in body.findChildren():
print(item)
产量
<h1>page title</h1>
<p>some text</p>