首页 > Web开发 > 详细

Xpath 提取html整个元素(标签与内容)

时间:2018-01-16 16:28:32      阅读:273      评论:0      收藏:0      [点我收藏+]

提取html某标签中文字时,文字中含有:“<sub>2</sub>O<sub>5</sub>”,导致提取的文字不符合预期。

解决方法:

#coding=utf-8
from lxml import etree
from HTMLParser import HTMLParser

html = u‘‘‘
<html>
    <span id="chTitle">退火对Nb<sub>2</sub>O<sub>5</sub>薄膜的折射率和厚度的影响</span>
</html>
‘‘‘

tree = etree.HTML(html)

# 结果为:退火对Nb
content1 = tree.xpath("//span[@id=‘chTitle‘]/text()")[0]
print content1

# 结果为:退火对Nb<sub>2</sub>O<sub>5</sub>薄膜的折射率和厚度的影响
table = tree.xpath("//span[@id=‘chTitle‘]")[0]
content2 = etree.tostring(table, method=html)
print HTMLParser().unescape(content2)[19:-8]

 

Xpath 提取html整个元素(标签与内容)

原文:https://www.cnblogs.com/zhangtianyuan/p/8297117.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!