我正在根据以下测试文档进行测试:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>hi there</title>
</head>
<body>
<img class="foo" src="bar.png"/>
</body>
</html>
如果我使用 lxml.html 解析文档，我可以使用 xpath 获取 IMG:
>>> root = lxml.html.fromstring(doc)
>>> root.xpath("//img")
[<Element img at 1879e30>]
但是，如果我将文档解析为 XML 并尝试获取 IMG 标记，我会得到一个空结果:
>>> tree = etree.parse(StringIO(doc))
>>> tree.getroot().xpath("//img")
[]
我可以直接导航到元素:
>>> tree.getroot().getchildren()[1].getchildren()[0]
<Element {http://www.w3.org/1999/xhtml}img at f56810>
但这当然不能帮助我处理任意文档。我还希望能够查询 etree 以获取将直接识别此元素的 xpath 表达式，从技术上讲，我可以做到:
>>> tree.getpath(tree.getroot().getchildren()[1].getchildren()[0])
'/*/*[2]/*'
>>> tree.getroot().xpath('/*/*[2]/*')
[<Element {http://www.w3.org/1999/xhtml}img at fa1750>]
但是，xpath 显然对于解析任意文档没有用处。
显然我在这里遗漏了一些关键问题，但我不知道它是什么。我最好的猜测是它与命名空间有关，但唯一定义的命名空间是默认命名空间，我不知道关于命名空间我还需要考虑什么。
那么，我错过了什么？
最佳答案
问题在于命名空间。当解析为 XML 时，img 标签位于 http://www.w3.org/1999/xhtml命名空间，因为这是元素的默认命名空间。您要求没有命名空间中的 img 标签。
试试这个:
>>> tree.getroot().xpath(
... "//xhtml:img",
... namespaces={'xhtml':'http://www.w3.org/1999/xhtml'}
... )
[<Element {http://www.w3.org/1999/xhtml}img at 11a29e0>]
关于python - 为什么在使用 lxml(在 python 中)处理 XHTML 文档时 xpath 不起作用？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/297239/