如何在Python中用lxml解析iframe？

Question

我发现lxml这个库无法解析iframe里的HTML元素。

import lxml.html
from urllib.request import urlopen
import os
url="http://news.163.com/special/mhmingdan/?bdsj"
file=urlopen(url).read()
root=lxml.html.document_fromstring(file)
tab=root.xpath('//iframe')

那我该怎么做才能让lxml获取到iframe里的HTML元素呢？

Answer 1

这段代码的意思是……

首先，它会做一些准备工作，比如设置一些变量或者初始化一些东西。接下来，它会进入一个循环，这个循环会重复执行某些操作，直到满足特定条件为止。每次循环中，它可能会检查一些状态，或者对数据进行处理。

最后，当循环结束后，代码会执行一些收尾工作，比如输出结果或者清理资源。

总的来说，这段代码的结构很常见，主要是通过循环和条件判断来实现某种功能。

page = requests.get(url)  
tree = html.fromstring(page.content)
src_url = tree.cssselect("iframe") 
print src_url[0].attrib

Answer 2

你应该使用正斜杠 //，而不是反斜杠 \\：

tab = root.xpath('//iframe')

另外，你可以通过直接把 urlopen 的结果传给 parse() 来简化获取页面和解析的过程：

root = lxml.html.parse(urlopen(url))