如何使用lxml进行Python XPath不区分大小写搜索？

Question

如何使用lxml进行Python XPath不区分大小写搜索？

7

我正在尝试使用XPath中的lower-case函数匹配国家或地区名。由于translate功能有点混乱，因此我使用lower-case。我相信我的Python版本2.6.6支持XPath 2.0，因为lower-case仅适用于XPath 2.0。

我需要知道如何在我的情况下使用lower-case。希望这个示例可以自说明。我希望输出['USA', 'US']（如果lower-case将Country和country视为相同，则可以同时输出这两个国家）。 HTML: doc.htm

<html>
    <table>
        <tr>
            <td>
                Name of the Country : <span> USA </span>
            </td>
        </tr>
        <tr>
            <td>
                Name of the country : <span> UK </span>
            </td>
        </tr>
</table>

Python :

import lxml.html as lh

doc = open('doc.htm', 'r')
out = lh.parse(doc)
doc.close()

print out.xpath('//table/tr/td[text()[contains(. , "Country")]]/span/text()')
# Prints : [' USA ']
print out.xpath('//table/tr/td[text()[contains(. , "country")]]/span/text()')
# Prints : [' UK ']

print out.xpath('//table/tr/td[lower-case(text())[contains(. , "country")]]/span/text()')
# Prints : [<Element td at 0x15db2710>]

更新：

out.xpath('//table/tr/td[text()[contains(translate(., "ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz") , "country")]]/span/text()')

现在问题是，我能否将翻译部分存储为全局变量“handlecase”，并在执行XPath时打印该全局变量？

类似这样的代码可以实现：

handlecase = """translate(., "ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz")"""

out.xpath('//table/tr/td[text()[contains(%s , "country")]]/span/text()' % (handlecase))

但为了简单明了起见，我想这样运行它：

out.xpath('//table/tr/td[text()[contains(handlecase , "country")]]/span/text()')

- ThinkCode

3

根据lxml XPath文档：lxml支持XPath 1.0，因此使用lxml时只能使用translate函数。 - Martijn Pieters

在这种情况下，我不确定为什么在我使用小写字母时它没有抱怨。在这个例子场景中，我也没有太多运气使用“translate”。谢谢！ - ThinkCode

可能是重复问题 - JWiley

谢谢提供链接。这更像是一个小写字母的讨论，而不是翻译。我实际上通过执行以下操作使翻译工作正常：out.xpath('//table/tr/td[lower-case(text())[contains( translate(., "ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz") , "country")]]/span/text()')。如果在此情况下无法应用小写字母，则管理员可以关闭此帖子。谢谢！ - ThinkCode

但是如果您使用lower-case()，lxml确实会抱怨：“lxml.etree.XPathEvalError：Unregistered function”。在“*我实际上通过做...”之后的代码肯定不正确。 - mzjn

它运行正常！handlecase = 'translate(., "ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz")' out.xpath('//table/tr/td[text()[contains(%s , "country")]]/span/text()' % (handlecase)) - ThinkCode

2个回答

3

用途:

   //td[translate(substring(text()[1], string-length(text()[1]) - 9),
                  'COUNTRY :',
                  'country'
                  )
        =
         'country'
       ]
        /span/text()

XSLT基于验证：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
 <xsl:output omit-xml-declaration="yes" indent="yes"/>

 <xsl:template match="/">
  <xsl:copy-of select=
  "//td[translate(substring(text()[1], string-length(text()[1]) - 9),
                  'COUNTRY :',
                  'country'
                  )
        =
         'country'
       ]
        /span/text()
       "/>
 </xsl:template>
</xsl:stylesheet>

当在提供的XML文档上应用此转换时：

<html>
        <table>
            <tr>
                <td>
                    Name of the Country : <span> USA </span>
                </td>
            </tr>
            <tr>
                <td>
                    Name of the country : <span> UK </span>
                </td>
            </tr>
        </table>
</html>

XPath表达式将被评估，并选择两个文本节点被复制到输出中:

 USA  UK

说明:

我们使用XPath 1.0表达式的特定变体实现XPath 2.0标准函数ends-with($text, $s)：即：

.....

$s = substring($text, string-length($text) - string-length($s) +1)

.2. 接下来，使用translate()函数将长度为10的字符串转换为小写，消除任何空格或":"字符。

.3. 如果结果是字符串（全部小写）“country”，则选择此的s=span子节点的子文本节点（在此情况下仅有一个）。

- Dimitre Novatchev

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- stranac · Accepted Answer

我认为最简单的方法是编写一个XPath扩展函数来实现您想要的功能。

通过这样做，您可以编写一个 lower-case() 函数或者一个不区分大小写的搜索功能。

您可以在这里找到详细信息: http://lxml.de/extensions.html