如何在Python中使用XPath ?

小开

lxml包支持xpath。它似乎工作得很好，尽管我在使用self::轴时遇到了一些麻烦。还有阿玛拉，但我个人没有使用过它。

小开

PyXML工作良好。

你没有说你使用的是什么平台，但是如果你使用的是Ubuntu，你可以通过sudo apt-get install python-xml得到它。我相信其他Linux发行版也有这个功能。

如果在Mac上，xpath已经安装，但不能立即访问。你可以在你的环境中设置PY_USE_XMLPLUS，或者在导入xml.xpath之前用Python的方式设置:

if sys.platform.startswith('darwin'):
os.environ['PY_USE_XMLPLUS'] = '1'

在最坏的情况下，您可能不得不自己构建它。这个包不再维护，但仍然构建良好，并适用于现代2。x蟒蛇。基本文档是在这里。

小开

elementtree的最新版本很好地支持XPath。我不是XPath专家，不能肯定实现是否完整，但它满足了我在Python中工作时的大部分需求。我也使用过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中最好的XML库。它也很好地使用了XPath(尽管可能不是一个完整的实现)。

小开

libxml2有很多优点:

遵从规范
积极发展，社区参与
速度。这实际上是一个C实现的python包装器。
无处不在。libxml2库非常普遍，因此经过了良好的测试。

缺点包括:

遵从规范。这是严格的。像默认名称空间处理这样的事情在其他库中更容易。
使用本机代码。根据应用程序的分布/部署方式，这可能会很麻烦。rpm可以在一定程度上缓解这种痛苦。
手工资源处理。注意下面的示例中对freeDoc()和xpathFreeContext()的调用。这不是很Pythonic。

如果你正在做简单的路径选择，请坚持使用ElementTree (Python 2.5中包含)。如果您需要完全符合规范或原始速度，并且能够处理本机代码的分发，那么请使用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

小开

使用LXML。LXML使用了libxml2和libxslt的全部功能，但将它们包装在更多的“Python”绑定中，而不是这些库的原生Python绑定。因此，它获得了完整的XPath 1.0实现。Native ElemenTree支持有限的XPath子集，尽管它可能已经足够满足您的需求。

小开

另一个选项是py-dom-xpath，它与minidom无缝工作，是纯Python，所以可以在appengine上工作。

import xpath
xpath.find('//item', doc)

小开

另一个库是4Suite: http://sourceforge.net/projects/foursuite/

我不知道它是否符合规格。但它对我的使用非常有效。它看起来被遗弃了。

小开

你可以使用:

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

小开

听起来像是lxml的广告。,)ElementTree包含在std库中。在2.6及以下，它的xpath相当弱，但在2.7+和3。x 大大改善了:

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:
if elem.attrib.get('name') == 'foo':
result = elem.text
break

小开

你可以从lxml中使用简单的soupparser

例子:

from lxml.html.soupparser import fromstring


tree = fromstring("<a>Find me!</a>")
print tree.xpath("//a/text()")

小开

如果你想将XPATH的强大功能与CSS的能力相结合，你可以使用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!'