无法解析来自 xml 内容的链接
问题:无法解析来自 xml 内容的链接 我已经在 python 中结合 xpath 编写了一个脚本,以从具有 xml 内容的站点中抓取链接。由于我从未使用过 xml,所以我无法弄清楚我在哪里犯了错误。提前感谢为我提供解决方法。这是我正在尝试的: import requests from lxml import html response = requests.get("https://drinku
·
问题:无法解析来自 xml 内容的链接
我已经在 python 中结合 xpath 编写了一个脚本,以从具有 xml 内容的站点中抓取链接。由于我从未使用过 xml,所以我无法弄清楚我在哪里犯了错误。提前感谢为我提供解决方法。这是我正在尝试的:
import requests
from lxml import html
response = requests.get("https://drinkup.london/sitemap.xml").text
tree = html.fromstring(response)
for item in tree.xpath('//div[@class="expanded"]//span[@class="text"]'):
print(item)
xml 内容,其中的链接是:
<div xmlns="http://www.w3.org/1999/xhtml" class="collapsible" id="collapsible4"><div class="expanded"><div class="line"><span class="button collapse-button"></span><span class="html-tag"><url></span></div><div class="collapsible-content"><div class="line"><span class="html-tag"><loc></span><span class="text">https://drinkup.london/</span><span class="html-tag"></loc></span></div></div><div class="line"><span class="html-tag"></url></span></div></div><div class="collapsed hidden"><div class="line"><span class="button expand-button"></span><span class="html-tag"><url></span><span class="text">...</span><span class="html-tag"></url></span></div></div></div>
执行时抛出的错误如下:
value = etree.fromstring(html, parser, **kw)
File "src\lxml\lxml.etree.pyx", line 3228, in lxml.etree.fromstring (src\lxml\lxml.etree.c:79593)
File "src\lxml\parser.pxi", line 1843, in lxml.etree._parseMemoryDocument (src\lxml\lxml.etree.c:119053)
ValueError: Unicode strings with encoding declaration are not supported. Please use bytes input or XML fragments without declaration.
解答
切换到.content
返回字节而不是.text
返回 unicode:
import requests
from lxml import html
response = requests.get("https://drinkup.london/sitemap.xml").content
tree = html.fromstring(response)
for item in tree.xpath('//url/loc/text()'):
print(item)
还要注意固定的 XPath 表达式。
更多推荐
已为社区贡献126473条内容
所有评论(0)