Python 从本地文件解析HTML

我正在用Python使用Google应用程序引擎。我想从与Python脚本相同的项目中获取HTML文件的树。我尝试了很多方法，比如使用绝对url（例如）和相对url（/nl/home.html）。两者似乎都不起作用。我使用以下代码：

class HomePage(webapp2.RequestHandler):    
    def get(self):

        path = self.request.path

        htmlfile = etree.parse(path)
        template = jinja_environment.get_template('/nl/template.html')

        pagetitle = htmlfile.find(".//title").text
        body = htmlfile.get_element_by_id("body").toString()

它返回以下错误： IOError:读取文件“/nl/home.html”时出错：未能加载外部实体“/nl/home.html”

有人知道如何使用Python从同一个项目中获取HTML文件的树吗

编辑

这是工作代码：

class HomePage(webapp2.RequestHandler):    
def get(self):

    path = self.request.path.replace("/","",1)
    logging.info(path)

    htmlfile = html.fromstring(urllib.urlopen(path).read())   
    template = jinja_environment.get_template('/nl/template.html')

    pagetitle = htmlfile.find(".//title").text
    body = innerHTML(htmlfile.get_element_by_id("body"))

def innerHTML(node): 
    buildString = ''
    for child in node:
        buildString += html.tostring(child)
    return buildString

---

似乎是权限问题；请检查您的python脚本是否可以访问该文件。如果您将该文件提供给所有人，该文件是否有效？

我相信您的错误在文件路径中。您假设您的应用程序目录是服务器上文件系统的根目录。不一定如此。实际上，我找不到任何错误关于文件将在哪里的文档，这就是我要做的（它在dev服务器上工作，我还没有在生产中厌倦它）：

我假设Google在我的应用程序中保留了文件的相对位置。因此，如果我知道一个文件的位置，我可以确定其余文件的位置。幸运的是，python规范允许您以编程方式确定python源文件的位置，如下所示：

def get_src_dir(){
    return os.path.dirname(os.path.realpath(__file__))
}

get_src_dir（）您将获得源文件的位置

os.path.join(get_src_dir(), rel_path_to_asset)

---

现在将为您获取资产的路径。rel_path_to_asset是相对于源文件的资产路径，get_src_dir（）函数位于…

您的工作目录是应用程序目录的基础。因此，如果您的应用程序按如下方式组织：

• app.yaml
• nl/
  • home.html

---

然后，您可以在

nl/html.html

上读取文件（假设您没有更改工作目录）.

我在app.yaml文件中添加了以下代码：-url:/nl static\u dir:nl application\u readable:true，但它仍然无法正常工作。有证据表明，工作目录是app目录的基础吗？我找不到关于它的任何具体信息，因此我使用了回答中描述的机制来获得pat我的应用程序文件的h…我找不到正式的文档，但它在页面上作为提示被提到。好的，这是一个好的文档，正如我从谷歌期望的那样（无意冒犯，但说真的，文档怎么会这么差…）。谢谢，这对我帮助很大！最终，我的代码需要做更多的编辑，请参阅我的问题以了解工作代码。