lxml 将元素转换为elementtree

Question

以下测试代码读取一个文件，并使用 lxml.html 生成页面的 DOM/Graph 的叶节点。

然而，我也试图弄清楚如何从“字符串”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。

因此，我试图弄清楚如何将元素转换为 ElementTree。

[我的测试代码]

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

---

更新1：（

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 2：

设法使测试正常工作。我不太清楚为什么。如果有高手的人想要提供解释，这将有助于未来偶然发现这一点的人。

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)

看来 StringIO 模块/类实现了 IO 功能，满足了解析包继续处理测试 html 的输入字符串所需的功能。类似于其他语言中提供的铸造功能也许......

Answer 1

要从 _Element（使用 lxml.html.fromstring 生成）获取根树，您可以使用 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 类是元素的树包装器，因此需要一个元素进行实例化。

因此，将根元素传递给 etree.ElementTree() 构造函数应该可以满足您的需求：

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

Answer 3

一个 _Element，由如下调用返回：

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

可以像这样创建一个 _ElementTree：

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

希望这就是您所期望的。