场景说明
使用 lxml 中的 parse 方法读取本地 html 文件报错,遇到这种问题该怎么解决呢?
from lxml import etree
response = etree.parse('test.html')
tr_list = response.xpath('//table[@class="list-table"]/tbody/tr[not(@id)][position()>1]')
print(tr_list)
报错:
Traceback (most recent call last):
File "C:\Users\admin\Desktop\chipsmall\instock\spiders\test.py", line 39, in <module>
main1()
File "C:\Users\admin\Desktop\chipsmall\instock\spiders\test.py", line 5, in main1
response = etree.parse('test.html')
^^^^^^^^^^^^^^^^^^^^^^^^
File "src\lxml\etree.pyx", line 3541, in lxml.etree.parse
File "src\lxml\parser.pxi", line 1879, in lxml.etree._parseDocument
File "src\lxml\parser.pxi", line 1905, in lxml.etree._parseDocumentFromURL
File "src\lxml\parser.pxi", line 1808, in lxml.etree._parseDocFromFile
File "src\lxml\parser.pxi", line 1180, in lxml.etree._BaseParser._parseDocFromFile
File "src\lxml\parser.pxi", line 618, in lxml.etree._ParserContext._handleParseResultDoc
File "src\lxml\parser.pxi", line 728, in lxml.etree._handleParseResult
File "src\lxml\parser.pxi", line 657, in lxml.etree._raiseParseError
File "test.html", line 83
lxml.etree.XMLSyntaxError: Opening and ending tag mismatch: link line 71 and head, line 83, column 347
报错原因
- 根据报错信息,看起来是在解析HTML文件时出现了语法错误。具体错误是在test.html文件的第83行,link标签的开启和结束标签不匹配。
- 这个错误可能是由于HTML文件本身存在语法问题导致的。你可以打开test.html文件,检查第83行的代码,确保link标签的开启和结束标签是正确匹配的。修复HTML文件中的语法错误后,再次运行代码应该就不会报错了。
解决方法
对于这种 HTML 文件不规范导致的报错有什么好的解决方法呢?
原则上对于这种 HTML 文件不规范导致的报错,修复 HTML 文件中的错误即可解决。但是这需要对 HTML 语法有基本的了解,并且如果有多个文件,每个文件错误的地方有可能不同,如果要修复文件就需要花费大量的精力!那么有什么更好的方法吗?
以下是更好的解决方法,如果遇到类似的问题可以参考:文章来源:https://www.toymoban.com/news/detail-756439.html
from lxml import etree
html_content = open('test.html', 'r', encoding='utf8').read()
parser = etree.HTMLParser()
tree = etree.fromstring(html_content, parser)
tr_list = tree.xpath('//table[@class="list-table"]/tbody/tr[not(@id)][position()>1]')
for otr in tr_list:
web_product = otr.xpath('./td[@class="td-model"]/div/div/a/text()')[0]
brand = otr.xpath('./td[@class="td-brand"]/div/text()')[0].strip()
icon = otr.findtext('./td[@class="td-model"]/div/a/i', default=None)
supplier = otr.xpath('./td[@class="j-company-td"]/p/a/text()')[0].strip()
batch = otr.findtext('./td[@class="td-pproductDate"]/p', default=None)
number = otr.findtext('./td[@class="td-stockNum"]/p[1]', default=None)
package = otr.findtext('./td[@class="td-ppackage"]/p[1]', default=None)
date = otr.xpath('./td[14]/p/text()')[0].strip()
result = {
'supplier': supplier,
'product': web_product,
'icon': icon,
'brand': brand,
'batch': batch,
'number': number,
'package': package,
'date': date
}
print(result)
注意:该方法也适合读取网络文件,如:文章来源地址https://www.toymoban.com/news/detail-756439.html
import requests
from lxml import etree
url = "https://example.com/test.html"
response = requests.get(url)
html_content = response.text
parser = etree.HTMLParser()
tree = etree.fromstring(html_content, parser)
tr_list = tree.xpath('//table[@class="list-table"]/tbody/tr[not(@id)][position()>1]')
print(tr_list)
到了这里,关于使用lxml解析本地html文件报错?的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!