需要深入绝对xpath的文本还可以使用lxml getpath函数

Question

在R中我可以得到期望的结果。你知道吗

library(xml2)
root = read_html("<div><p>abc<br> xyz</p></div>")
elements = xml_find_all(root, "//.")
xml_path(elements)
#> [1] "/"                          "/html"                     
#> [3] "/html/body"                 "/html/body/div"            
#> [5] "/html/body/div/p"           "/html/body/div/p/text()[1]"
#> [7] "/html/body/div/p/br"        "/html/body/div/p/text()[2]"

节点
需要（/html/body/div/p/text（）[1]，/html/body/div/p/text（）[2]）。你知道吗

在python中，当我使用lxml的getpath时，会出现一个错误，因为一些裸文本元素也会与节点元素一起返回。你知道吗

root = html.fromstring("<div><p>abc<br> xyz</p></div>")
elements = root.xpath("//.")
xpath_elements = [etree.ElementTree(root).getpath(x) for x in elements]

但是当我使用以节点结尾的xpath时，我不会得到与使用R的xml2相同的结果

root = html.fromstring("<div><p>abc<br> xyz</p></div>")
elements = root.xpath("//*")
xpath_elements = [etree.ElementTree(root).getpath(x) for x in elements]
print(xpath_elements)  

#> ['/html', '/html/body', '/html/body/div', '/div/p', '/div/p/br']

如何生成所需的xpath结果，就像R的xml2库生成的那样。你知道吗

Answer 1

在lxmlroot.xpath(XPATH)中，文本节点作为字符串返回，而不是作为元素对象返回。你知道吗

您可以尝试以下解决方法（它仍然不会以与R相同的方式工作）：

elements = root.xpath("//*[text()]")
xpath_elements = []
for element in elements:
    for text_node in list(element.itertext()):
        if text_node.strip():
            xpath_elements.append(etree.ElementTree(root).getpath(element) + "/text()[%d]" % (list(element.itertext()).index(text_node) + 1))

print(xpath_elements)  # ['/div/p/text()[1]', '/div/p/text()[2]']

另一方面，由于list.index(element)返回第一次element出现的索引，这将不适用于具有完全相同文本节点的节点，例如<p>QWERTY<br>QWERTY</p>。这是一个非常罕见的案件，但让我知道如果你需要处理这样的案件也