HTML을 구문 분석하기위한 Python LXML 구문 도움말이 필요합니다

Question

저는 Python을 처음 접했으며 LXML을 사용하여 HTML 태그를 찾아서 반복하는 구문에 대한 도움이 필요합니다. 내가 다루고있는 사용 사례는 다음과 같습니다.

HTML 파일은 상당히 잘 형성되었지만 완벽하지는 않습니다. 화면에 여러 개의 테이블이 있으며, 하나는 검색 결과 세트가 포함되어 있고, 각각은 헤더 및 바닥 글을위한 각각 하나입니다. 각 결과 행에는 검색 결과 세부 사항에 대한 링크가 포함되어 있습니다.

1. 검색 결과 행이있는 가운데 테이블을 찾아야합니다 (이 점을 알아낼 수있었습니다).

       self.mySearchTables = self.mySearchTree.findall(".//table")
       self.myResultRows = self.mySearchTables[1].findall(".//tr")
   

2. 이 테이블에 포함 된 링크를 찾아야합니다 (이것은 내가 붙어있는 곳입니다) :

       for searchRow in self.myResultRows:
           searchLink = patentRow.findall(".//a")
   

   실제로 링크 요소를 찾는 것은 아닙니다.

3. 링크의 일반 텍스트가 필요합니다. 나는 그것이 같은 것일 것이라고 생각합니다 searchLink.text 실제로 처음에 링크 요소를 얻었다면.

마지막으로, LXML의 실제 API 참조에서는 찾기 및 Findall 호출에 대한 정보를 찾을 수 없었습니다. 나는 Google에서 찾은 일부 코드에서 얻었습니다. LXML을 사용하여 HTML 태그를 효과적으로 찾고 반복하는 방법에 대해 뭔가 빠졌습니까?

Answer 1

좋아, 먼저, HTML을 구문 분석하는 것과 관련하여 : ZweiterLinde와 S.Lott의 권장 사항을 따르면 최소한 버전을 사용하십시오. LXML에 포함 된 BeautifulSoup. 이렇게하면 멋진 XPath 또는 CSS 선택기 인터페이스의 이점을 얻을 수 있습니다.

그러나 나는 개인적으로 Ian Bicking을 선호합니다 HTML 파서는 LXML에 포함되어 있습니다.

둘째, .find() 그리고 .findall() LXML에서 나왔고 ElementTree와 호환 되며이 두 가지 방법이 ElementTree의 XPath 지원.

이 두 기능은 사용하기 쉽지만 XPath가 매우 제한적입니다. 전체 LXML을 사용하는 것이 좋습니다 xpath() 방법 또는 이미 CSS에 익숙하다면 cssselect() 방법.

다음은 HTML 문자열이 다음과 같이 구문 분석 된 몇 가지 예입니다.

from lxml.html import fromstring
mySearchTree = fromstring(your_input_string)

CSS 선택기 클래스를 사용하면 프로그램이 대략적으로 다음과 같이 보입니다.

# Find all 'a' elements inside 'tr' table rows with css selector
for a in mySearchTree.cssselect('tr a'):
    print 'found "%s" link to href "%s"' % (a.text, a.get('href'))

XPath 방법을 사용하는 동등한 것은 다음과 같습니다.

# Find all 'a' elements inside 'tr' table rows with xpath
for a in mySearchTree.xpath('.//tr/*/a'):
    print 'found "%s" link to href "%s"' % (a.text, a.get('href'))

Answer 2

사용하지 않는 이유가 있습니까? 아름다운 수프 이 프로젝트를 위해? 불완전하게 형성된 문서를 훨씬 쉽게 다룰 것입니다.