Как использовать Xpath в Python?

224

Какие библиотеки поддерживают Xpath? Есть ли полная реализация? Как используется библиотека? Где его сайт?

SMCI
источник
4
У меня есть это подлое подозрение, что ответы на этот вопрос сейчас немного устарели.
Уоррен П
4
Ответ @ gringo-suave выглядит как хорошее обновление. stackoverflow.com/a/13504511/1450294
Майкл Шепер
Scrapy предлагает XPath селекторы .
cs95
Как говорит @WarrenP, большинство ответов здесь - крайне устаревший Python-2.x, действительно устаревший. Может быть, этот вопрос должен быть помечен python-2.x
smci

Ответы:

129

libxml2 имеет ряд преимуществ:

  1. Соответствие спецификации
  2. Активное развитие и участие сообщества
  3. Скорость. Это действительно оболочка Python для реализации на Си.
  4. Ubiquity. Библиотека libxml2 широко распространена и поэтому хорошо протестирована.

Недостатки включают в себя:

  1. Соответствие спецификации . Это строгое Такие вещи, как обработка пространства имен по умолчанию, проще в других библиотеках.
  2. Использование нативного кода. Это может быть проблемой в зависимости от того, как ваше приложение распределено / развернуто. Доступны RPM, которые облегчают эту боль.
  3. Ручная обработка ресурсов. Обратите внимание на приведенный ниже пример вызовов freeDoc () и xpathFreeContext (). Это не очень Pythonic.

Если вы делаете простой выбор пути, придерживайтесь ElementTree (который включен в Python 2.5). Если вам нужно полное соответствие спецификациям или грубая скорость и вы можете справиться с распространением нативного кода, используйте libxml2.

Пример использования XPath libxml2


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()

Пример использования ElementTree XPath


from elementtree.ElementTree import ElementTree
mydoc = ElementTree(file='tst.xml')
for e in mydoc.findall('/foo/bar'):
    print e.get('title').text

Райан Кокс
источник
8
используя python 2.7.10 на osx, мне пришлось импортировать ElementTree какfrom xml.etree.ElementTree import ElementTree
Бен Страница
потому что это оболочка C, вы можете столкнуться с трудностями при ее развертывании в AWS Lambda, если вы не скомпилируете экземпляр EC2 или образ Docker из AWS Linux
CpILL
85

Пакет lxml поддерживает xpath. Кажется, это работает довольно хорошо, хотя у меня были некоторые проблемы с осью self ::. Есть также Амара , но я не использовал это лично.

Джеймс Сулак
источник
1
Амара довольно милая, и не всегда нужен xpath.
gatoatigrado
Пожалуйста, добавьте некоторые основные сведения о том, как использовать XPath с lxml.
jpmc26
56

Похоже, реклама LXML здесь. ;) ElementTree включен в библиотеку std. Под 2.6 и ниже его xpath довольно слаб, но в 2.7+ значительно улучшен :

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 even in 2.6:
    if elem.attrib.get('name') == 'foo':
        result = elem.text
        break
Гринго Суаве
источник
39

Используйте LXML. LXML использует всю мощь libxml2 и libxslt, но заключает их в более «Pythonic» привязки, чем в привязки Python, которые являются родными для этих библиотек. Таким образом, он получает полную реализацию XPath 1.0. Native ElemenTree поддерживает ограниченное подмножество XPath, хотя оно может быть достаточно для ваших нужд.

user210794
источник
29

Другой вариант - py-dom-xpath , он работает без проблем с minidom и является чистым Python, поэтому работает на appengine.

import xpath
xpath.find('//item', doc)
Сэм
источник
2
Проще, чем lxml и libxml2, если вы уже работаете с minidom. Работает красиво и более "Pythonic". Функция contextin findпозволяет вам использовать другой результат xpath в качестве нового контекста поиска.
Бен
3
Я тоже использовал py-dom-xpath, когда пишу плагин, потому что это чистый python. Но я не думаю, что это больше поддерживается, и помните об этой ошибке («Не удается получить доступ к элементу с именем« text »»): code.google.com/p/py-dom-xpath/issues/detail?id = 8
Джон Кумбс
В 2010 году py-dom-xpath, кажется, законсервировали несколько лет назад , пожалуйста, как минимум, отредактируйте это в своем ответе.
SMCI
14

Ты можешь использовать:

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
0xAX
источник
когда я попробовал код PyXML, я получил ImportError: No module named extотfrom xml.dom.ext.reader import Sax2
Aminah Nuraini
9

Последняя версия elementtree очень хорошо поддерживает XPath. Не будучи экспертом по XPath, я не могу точно сказать, является ли реализация полной, но она удовлетворила большинство моих потребностей при работе в Python. Я также использую lxml и PyXML и нахожу этри хорошим, потому что это стандартный модуль.

ПРИМЕЧАНИЕ: с тех пор я нашел lxml и для меня это определенно лучшая библиотека XML для Python. Он также хорошо работает с XPath (хотя, возможно, не полная реализация).

JKP
источник
7
Поддержка ElementTree XPath в настоящее время минимальна в лучшем случае. В функциональности есть огромные дыры, такие как отсутствие селекторов атрибутов, отсутствие осей, отличных от заданных по умолчанию, отсутствие индексации дочерних элементов и т. Д. В версии 1.3 (в альфа-версии) добавлены некоторые из этих функций, но это все еще довольно частичная реализация.
Джеймс Брэди
8

Вы можете использовать простой soupparserизlxml

Пример:

from lxml.html.soupparser import fromstring

tree = fromstring("<a>Find me!</a>")
print tree.xpath("//a/text()")
Амина Нураини
источник
Какая разница с использованием soupparser?
Падрайк Каннингем
Это просто альтернатива
Амина Нураини
7

Если вы хотите использовать возможности XPATH в сочетании с возможностью использовать CSS в любой момент, вы можете использовать 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!'
eLRuLL
источник
как должен выглядеть мой Xpath, если я хочу получить "Link 1" и "Link 2"?
weefwefwqg3
1
для получения текста это должно быть что-то вроде//li/a/text()
eLRuLL
4

Другая библиотека - 4Suite: http://sourceforge.net/projects/foursuite/

Я не знаю, насколько это соответствует спецификации. Но это сработало очень хорошо для моего использования. Это выглядит заброшенным.

codeape
источник
3

PyXML работает хорошо.

Вы не сказали, какую платформу вы используете, однако, если вы используете Ubuntu, вы можете получить ее sudo apt-get install python-xml. Я уверен, что другие дистрибутивы Linux также есть.

Если вы работаете на Mac, xpath уже установлен, но не доступен сразу. Вы можете установить PY_USE_XMLPLUSв своей среде или сделать это Python, прежде чем импортировать xml.xpath:

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

В худшем случае вам, возможно, придется создать его самостоятельно. Этот пакет больше не поддерживается, но все еще прекрасно работает и работает с современными 2.x Pythons. Основные документы здесь .

Дэвид Джойнер
источник
0

Если вам понадобится html :

import lxml.html as html
root  = html.fromstring(string)
root.xpath('//meta')
Томас Г.
источник