web-dev-qa-db-ja.com

lxmlで要素のパスを取得する方法は？

PythonのlxmlからXPathを使用してHTMLドキュメントを検索しています。特定の要素へのパスを取得するにはどうすればよいですか？これがRuby nokogiri：

page.xpath('//text()').each do |textnode|
    path = textnode.path
    puts path
end

たとえば、 '/ html/body/div/div [1]/div [1]/p/text（）[1]'を出力します。これは、Pythonで取得したい文字列です。

pythonxpathlxml
28
Fluffy

ElementTreeオブジェクトから getpath を使用します。

from lxml import etree

root = etree.fromstring('<foo><bar>Data</bar><bar><baz>data</baz>'
                        '<baz>data</baz></bar></foo>')

tree = etree.ElementTree(root)
for e in root.iter():
    print tree.getpath(e)

プリント

/foo
/foo/bar[1]
/foo/bar[2]
/foo/bar[2]/baz[1]
/foo/bar[2]/baz[2]
52
nosklo

lxmlドキュメントのlxmlを使用したXpathおよびXSLTを参照してください これにより、テキストを含む要素のパスが得られます。

例は

import cStringIO
from lxml import etree

f = cStringIO.StringIO('<foo><bar><x1>hello</x1><x1>world</x1></bar></foo>')
tree = lxml.etree.parse(f)
find_text = etree.XPath("//text()")

# and print out the required data
print [tree.getpath( text.getparent()) for text in find_text(tree)]

# answer I get is 
>>> ['/foo/bar/x1[1]', '/foo/bar/x1[2]']
19
Mark

コードのセクションにあるのが要素だけで、要素のxpathに実行させたい場合は、element.getroottree().getpath(element)がその役割を果たします。

from lxml import etree

xml = '''
<test>
    <a/>
    <b>
       <i/>
       <ii/>
    </b>
</test>
'''
tree = etree.fromstring(xml)

for element in tree.iter():
    print element.getroottree().getpath(element)
7
shrewmouse
root = etree.parse(open('tmp.txt'))

for e in root.iter():
    print root.getpath(e)
4
Mr. Me