요소 내 img src에 대한 xpath

Question

html을 포함하는 description 요소 내에있는 이미지의 원본을 선택하도록 아래 코드를 어떻게 수정합니까? 지금은 요소 안의 전체 텍스트를 가져오고 모든 img 태그의 소스를 얻기 위해이를 수정하는 방법을 모르겠습니다.

print(description.xpath("//img/@src")) 

'없음'

XML 구조가 저를 부여하지 않습니다 :

<guides> 
<guide> 
    <id>guide 1</id> 
    <group> 
    <id></id> 
    <type></type> 
    <name></name> 
    </group> 
    <pages> 
     <page> 
      <id>page 1</id> 
      <name></name> 
      <description>&lt;p&gt;Some text. &lt;br /&gt;&lt;img 
      width=&quot;81&quot; 
      src=&quot;http://www.example.com/img.jpg&quot; 
      alt=&quot;wave&quot; height=&quot;63&quot; style=&quot;float: 
       right;&quot; /&gt;&lt;/p&gt;</description> 
      <boxes> 
       <box> 
        <id></id> 
        <name></name> 
        <type></type> 
        <map_id></map_id> 
        <column></column> 
        <position></position> 
        <hidden></hidden> 
        <created></created> 
        <updated></updated> 
        <assets> 
         <asset> 
          <id></id> 
          <name></name> 
          <type></type> 
         <description>&lt;img src=&quot;https://www.example.com/image.jpg&quot; alt=&quot;image&quot; height=&quot;42&quot; width=&quot;42&quot;&gt;</description> 
          <url/> 
          <owner> 
           <id></id> 
           <email></email> 
           <first_name></first_name> 
           <last_name></last_name> 
          </owner> 
         </asset> 
        </assets> 
       </box> 
      </boxes> 
     </page> 
    </pages> 
</guide> 

Answer 1

description 요소의 내용은 HTML입니다. 구문 분석에는 다양한 방법이 있으며, 그 중 하나는 htmllxml입니다.

>>> description.text 
'<img src="https://www.example.com/image.jpg" alt="image" height="42" width="42">' 
>>> from lxml import html 
>>> img = html.fromstring(description.text) 
>>> img.attrib['src'] 
'https://www.example.com/image.jpg' 

편집, 응답 언급하기 :

>>> from lxml import etree, html 
>>> tree = etree.parse('temp.xml') 
>>> for guide in tree.xpath('guide'): 
...  '---', guide.xpath('id')[0].text 
...  for pages in guide.xpath('.//pages'): 
...   for page in pages: 
...    '------', page.xpath('id')[0].text 
...    for description in page.xpath('.//asset/description'): 
...     '---------', html.fromstring(description.text).attrib['src'] 
... 
('---', 'guide 1') 
('------', 'page 1') 
('---------', 'https://www.example.com/image.jpg') 

---

편집 : 예외 처리를.

교체와

'---------', html.fromstring(description.text).attrib['src'] 

try: 
    '---------', html.fromstring(description.text).attrib['src'] 

except KeyError: 
    '--------- No image URL present' 

편집, 9, 11 월 코멘트에 응답 : 2 가이드 요소가 더 HTML을 전혀 포함하지 않는 XML 파일에 대한

from lxml import etree, html 
tree = etree.parse('guides.xml') 
for guide in tree.xpath('guide'): 
    print('---', guide.xpath('id')[0].text) 
    for pages in guide.xpath('.//pages'): 
     for page in pages: 
      print('------', page.xpath('id')[0].text) 
      for description in page.xpath('.//asset/description'): 
       try: 
        print('---------', html.fromstring(description.text).attrib['src']) 
       except TypeError: 
        print('--------- no src identifiable') 
       except KeyError: 
        print('--------- no src identifiable') 

출력하고, 3 번째는 src 속성없이 HTML을 포함합니다.

--- guide 1 
------ page 1 
--------- https://www.example.com/image.jpg 
--- guide 2 
------ page 1 
--------- no src identifiable 
--- guide 3 
------ page 1 
--------- no src identifiable 
--- guide 4 
------ page 1 
--------- https://www.example.com/image.jpg 

Answer 2

당신에게

>>> from lxml import etree 
>>> tree = etree.parse('temp.xml') 
>>> for guide in tree.xpath('guide'): 
...  '---', guide.xpath('id')[0].text 
...  for pages in guide.xpath('.//pages'): 
...   for page in pages: 
...    '------', page.xpath('id')[0].text 
...    for description in page.xpath('.//asset/description'): 
...     '---------', description.text 

은 또한 마지막에이 시도 시도해 볼 수있다 this 솔루션 :

description.xpath("//img/@src")