微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

如何在使用lxml解析HTML时保留命名空间信息?

>>> from lxml.etree import HTML,tostring
>>> tostring(HTML('<fb:like>'))
'<html><body><like/></body></html>'

请注意标记如何变为< fb:like>简单地< like>.

这使得将XFBML与lxml合并的处理页面变得更加困难. (同样的事情发生在< g:plusone>< / g:plusone>)

任何帮助表示赞赏.

解决方法

尝试添加缺少的名称空间前缀定义. lxml将是 avoid the namespaces otherwise,据说可以让你更轻松.

您尝试解析的网站很可能不包含这些命名空间定义,因此您应该添加它们.

像这样:xmlns:adlcp=”http://xxx/yy/zzz”

原文地址:https://www.jb51.cc/html/226861.html

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐