python:lxml带冒号的xpath标记名

我必须解析一些提要，但其中一个元素（标记）带有

colon

leemore23

如何使用

lxml

解析它？所以我是这样做的

r = requests.get('http://www.site.com/feed/')
foo = (r.content).replace("dc:creator","dc")
tree = lxml.etree.fromstring(foo)
for article_node in tree.xpath('//item'):
    data['dc'] = article_node.xpath('.//dc')[0].text.strip()

但我认为有更好的方法，比如

data['dc'] = article_node.xpath('.//dc:creator')[0].text.strip()

或

所以不需要更换

---

你能给我什么建议？

前缀

dc:

表示一个。使用来处理它，而不仅仅是从输入中删除它。碰巧，

dc

通常指

您需要确定完整的命名空间URL，然后在XPath查询中使用该URL：

DCNS = 'http://purl.org/dc/elements/1.1/'
creator = article_node.xpath('.//{{{0}}}creator'.format(DCNS))

这里我使用了推荐的

http://purl.org/dc/elements/1.1/

都柏林核心前缀的命名空间URL

您通常可以通过

.nsmap

属性确定URL；您的根元素可能具有以下

.nsmap

属性：

{'dc': 'http://purl.org/dc/elements/1.1/'}

因此，您可以将代码更改为：

creator = article_node.xpath('.//{{{0}}}creator'.format(article_node.nsmap['dc']))

通过将

nsmap

字典作为

namespaces

关键字传递给

xpath（）

方法，可以进一步简化此操作，此时可以在xpath表达式中使用前缀：

creator = article_node.xpath('.//dc:creator', namespaces=article_node.nsmap)

---

dc:

前缀表示。使用来处理它，而不仅仅是从输入中删除它。碰巧，

dc

通常指

您需要确定完整的命名空间URL，然后在XPath查询中使用该URL：

DCNS = 'http://purl.org/dc/elements/1.1/'
creator = article_node.xpath('.//{{{0}}}creator'.format(DCNS))

这里我使用了推荐的

http://purl.org/dc/elements/1.1/

都柏林核心前缀的命名空间URL

您通常可以通过

.nsmap

属性确定URL；您的根元素可能具有以下

.nsmap

属性：

{'dc': 'http://purl.org/dc/elements/1.1/'}

因此，您可以将代码更改为：

creator = article_node.xpath('.//{{{0}}}creator'.format(article_node.nsmap['dc']))

通过将

nsmap

字典作为

namespaces

关键字传递给

xpath（）

方法，可以进一步简化此操作，此时可以在xpath表达式中使用前缀：

creator = article_node.xpath('.//dc:creator', namespaces=article_node.nsmap)

---

dc:

表示名称空间。使用

lxml

的

xpath

方法时，请使用来搜索命名空间中的元素

因此，在您的例子中，使用@MartijnPieters提供的都柏林核心前缀

r = requests.get('http://www.site.com/feed/')
tree = lxml.etree.fromstring(r.content)
ns = {'dc':'http://purl.org/dc/elements/1.1/'}
for article_node in tree.xpath('//item'):
    data['dc'] = article_node.xpath('.//dc:creator', namespaces = ns)[0].text.strip()

---

dc:

表示名称空间。使用

lxml

的

xpath

方法时，请使用来搜索命名空间中的元素

因此，在您的例子中，使用@MartijnPieters提供的都柏林核心前缀

r = requests.get('http://www.site.com/feed/')
tree = lxml.etree.fromstring(r.content)
ns = {'dc':'http://purl.org/dc/elements/1.1/'}
for article_node in tree.xpath('//item'):
    data['dc'] = article_node.xpath('.//dc:creator', namespaces = ns)[0].text.strip()

---

很好用，非常感谢！但是有一个问题，标签（dc:creator）有cdata文本，它没有被解析。。如果有简单的文本，一切都可以，但cdata不起作用。它起作用了，非常感谢！但是有一个问题，标签（dc:creator）有cdata文本，它没有被解析。。如果有简单的文本，一切都可以，但cdata不起作用..我怀疑你需要看看，避免重新发明轮子。我怀疑你需要看看，避免重新发明轮子。它可以使用名称空间，但有一个问题。标记（dc:creator）具有cdata文本，未对其进行分析。。如果有简单的文本，一切都可以，但使用cdata则不起作用。有什么想法吗？@yital9:你是如何访问标签的文本内容的？LXML通常在使用普通API时删除CDATA“包装器”。如果存在简单文本（不带CDATA）article_node.xpath（'.//dc:creator'，namespaces=dc）[0]。text.strip（）返回文本，但如果存在CDATA article_node.xpath（'.//dc:creator'，namespaces=dc）返回[]和article_node.xpath（'.//dc:creator'，namespaces=dc）[0]。text.strip（）引发异常。@yital9:您能给我们一些示例输入吗？当然，这里：是用名称空间解析的好，但不是..它用名称空间工作，但有一个问题。标记（dc:creator）具有cdata文本，未对其进行分析。。如果有简单的文本，一切都可以，但使用cdata则不起作用。有什么想法吗？@yital9:你是如何访问标签的文本内容的？LXML通常在使用普通API时删除CDATA“包装器”。如果存在简单文本（不带CDATA）article_node.xpath（'.//dc:creator'，namespaces=dc）[0]。text.strip（）返回文本，但如果存在CDATA article_node.xpath（'.//dc:creator'，namespaces=dc）返回[]和article_node.xpath（'.//dc:creator'，namespaces=dc）[0]。text.strip（）引发异常。@yital9:您能给我们一些示例输入吗？当然，这里：是用名称空间解析的，可以，但不是。。