使用 LXML 从 html 文件中获取 xpath

问：

我正在学习如何使用 lxml 解析文档。为此，我正在尝试解析我的 LinkedIn 页面。它有很多信息，我认为这将是一次很好的培训。

上下文就够了。这是我正在做的事情：

转到URL：https://www.linkedin.com/in/NAME/
打开源代码并将其保存为“LinkedIn.html”
当我尝试提取我当前的工作时，我正在执行以下操作：

from io import StringIO, BytesIO
from lxml import html, etree

# read file
filename = 'linkedin.html'
file = open(filename).read()

# building parser
parser = etree.HTMLParser()
tree = etree.parse(StringIO(file), parser)

# parse an element
title = tree.xpath('/html/body/div[6]/div[4]/div[3]/div/div/div/div/div[2]/main/div[1]/section/div[2]/div[2]/div[1]/h2')
print(title)

树变量的类型是

但它总是为我的变量标题返回一个空列表。

我一整天都在努力，但仍然不明白我做错了什么。

html python-3.x html 解析 lxml

def parse_html_file(filename):
    f = open(filename, encoding="utf8").read()
    parser = etree.HTMLParser()
    tree = etree.parse(StringIO(f), parser)
    return tree


tree = parse_html_file('linkedin.html')
name = tree.xpath('//li[@class="inline t-24 t-black t-normal break-words"]')
print(name[0].text.strip())

上一个：如何使用 lxml 清理 HTML 字符串以在 python 中解析它？

下一个：转换 HTML 到 JSON 使用 rdd.map

使用 LXML 从 html 文件中获取 xpath - Python

Get xpath from html file using LXML - Python

评论