lxml将元素转换为元素

Question

下面的测试读取一个文件，并使用lxml.html生成页面的DOM/Graph的叶节点。

不过，我也在尝试如何从“字符串”中获取输入。使用

 lxml.html.fromstring(s)

不起作用，因为这会生成“Element”而不是“ElementTree”。

所以，我想知道如何将元素转换成ElementTree。

思想

测试代码：

import lxml.html
from lxml import etree    # trying this to see if needed 
                          # to convert from element to elementtree


  #cmd='cat osu_test.txt'
  cmd='cat o2.txt'
  proc=subprocess.Popen(cmd, shell=True,stdout=subprocess.PIPE)
  s=proc.communicate()[0].strip()

  # s contains HTML not XML text
  #doc = lxml.html.parse(s)
  doc = lxml.html.parse('osu_test.txt')
  doc1 = lxml.html.fromstring(s)

  for node in doc.iter():
  if len(node) == 0:
     print "aaa ",node.tag, doc.getpath(node)
     #print "aaa ",node.tag

  nt = etree.ElementTree(doc1)        <<<<< doesn't work.. so what will??
  for node in nt.iter():
  if len(node) == 0:
     print "aaa ",node.tag, doc.getpath(node)
     #print "aaa ",node.tag

一、二、二、三

更新：：：

（解析html而不是xml） 添加了阿巴斯建议的更改。出现以下错误：

    doc1 = etree.fromstring(s)
  File "lxml.etree.pyx", line 2532, in lxml.etree.fromstring (src/lxml/lxml.etree.c:48621)
  File "parser.pxi", line 1545, in lxml.etree._parseMemoryDocument (src/lxml/lxml.etree.c:72232)
  File "parser.pxi", line 1424, in lxml.etree._parseDoc (src/lxml/lxml.etree.c:71093)
  File "parser.pxi", line 938, in lxml.etree._BaseParser._parseDoc (src/lxml/lxml.etree.c:67862)
  File "parser.pxi", line 539, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:64244)
  File "parser.pxi", line 625, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:65165)
  File "parser.pxi", line 565, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:64508)
lxml.etree.XMLSyntaxError: Entity 'nbsp' not defined, line 48, column 220

更新：：：

设法使测试工作。我不太清楚为什么。如果有人想提供一个解释，这将有助于未来的人谁绊倒了。

from cStringIO import StringIO
from lxml.html import parse

doc1 = parse(StringIO(s))

for node in doc1.iter():
    if len(node) == 0:
        print "aaa ", node.tag, doc1.getpath(node)

string IO模块/类似乎实现了IO功能，它满足了parse包继续处理测试html的输入字符串所需的功能。类似于其他语言中的强制转换功能。。。

谢谢

Answer 1

要从_Element（使用lxml.html.fromstring生成）获取根目录树，可以使用getroottree方法：

doc = lxml.html.parse(s)
tree = doc.getroottree()

Answer 2

etree.fromstring方法解析XML字符串并返回根元素。etree.ElementTree类是元素周围的树包装，因此需要一个元素来实例化。

因此，将根元素传递给etree.ElementTree()构造函数应该可以得到您想要的：

root = etree.fromstring(s)
nt = etree.ElementTree(root)

Answer 3

由如下调用返回的_Element：

tree = etree.HTML(result.read(), etree.HTMLParser())

可以做成这样的_ElementTree：

tree    = tree.getroottree() # convert _Element to _ElementTree

希望这就是你所期望的。