解析本地HTML Python（lxml）

Question

我正在尝试使用lxml解析本地HTML文件，但是遇到了错误，但我不知道原因（抱歉，代码很糟糕，我是新手）。

from lxml import etree, html
from StringIO import StringIO

parser = etree.HTMLParser()
doc = etree.parse(StringIO("test1.html"), parser)
tree = html.fromstring(doc)
CCE = tree.xpath('//div[@data-reactid]/div[@class="browse-summary"]/h1')
URL = tree.xpath('//a[@class="rc-OfferingCard"]/@href')

print 'CCE:', CCE
print 'URL:', URL

以下是错误信息：

  File "test.py", line 8, in <module>
tree = html.fromstring(doc)
File "/usr/lib/python2.7/dist-packages/lxml/html/__init__.py", line 703, in fromstring
is_full_html = _looks_like_full_html_unicode(html)
TypeError: expected string or buffer

- Lara M.

---

我认为你的HTML不是有效的，请确保使用https://validator.w3.org/验证`test1.html`的有效性。 - SIslam

StringIO 用于将变量中的文本视为打开的文件，而不是用于加载文件。 - furas

html.fromstring 需要一个字符串作为输入，但你却给它 etree.parse 的结果（不是字符串）。请注意更正。 - Boldewyn

谢谢，属性和元素中存在一些小错误，事实上。 - Lara M.

Answer 1

我认为您需要：

tree = etree.parse("text1.html", parser)

没有使用StringIO和fromstring。

- furas

---

是的！它完美地工作了！谢谢，由于我的声望较低，我无法为您的答案提供反馈，但它很好用！！ - Lara M.