Thẻ phân tích cú pháp XPath bằng dấu nháy đơn

Question

Tôi mới sử dụng XPath. Tôi đang cố gắng phân tích cú pháp một trang bằng XPath. Tôi cần lấy thông tin từ thẻ, nhưng thoát khỏi dấu nháy đơn trong tiêu đề vít lên tất cả mọi thứ.

Để phân tích cú pháp, tôi sử dụng Grab.

thẻ từ nguồn:

<img src='somelink' border='0' alt='commission:Alfred\'s misadventures' title='commission:Alfred\'s misadventures'> 

XPath Thực tế:

g.xpath('.//tr/td/a[3]/img').get('title') 

Returns

commission:Alfred\\ 

Có cách nào để sửa lỗi này?

Cảm ơn

Answer 1

rác vào, rác ra. Dữ liệu nhập của bạn không được định dạng tốt, vì nó không đúng cách thoát khỏi ký tự trích dẫn đơn. Nhiều ngôn ngữ lập trình (kể cả Python) sử dụng ký tự dấu gạch chéo ngược để thoát khỏi dấu ngoặc kép trong chuỗi ký tự. XML thì không. Bạn nên hoặc 1) bao quanh giá trị của thuộc tính với dấu ngoặc kép; hoặc 2) sử dụng ' để bao gồm một dấu ngoặc đơn.

Từ the XML spec:

Để cho phép các giá trị thuộc tính để chứa cả đơn và đôi dấu ngoặc kép, apostrophe hoặc ký tự single-quote (') có thể được biểu diễn như " '", và đôi quote nhân vật (") là" "".

Answer 2

khi cung cấp 'XML' không phải là một tài liệu wellformed do dấu nháy lồng nhau, không có biểu hiện XPath có thể được đánh giá trên đó .

Các cung cấp không tốt được hình thành văn bản có thể được sửa chữa để:

<img src="somelink" 
border="0" 
alt="commission:Alfred's misadventures" 
title="commission:Alfred's misadventures"/> 

Trong trường hợp có một requiremend lạ không sử dụng dấu ngoặc kép, sau đó một chuyển đổi chính xác là:

<img src='somelink' 
border='0' 
alt='commission:Alfred&apos;s misadventures' 
title='commission:Alfred&apos;s misadventures'/> 

Nếu bạn được cung cấp đầu vào không chính xác, bằng ngôn ngữ như C# người ta có thể cố gắng chuyển đổi nó thành đối tác chính xác của nó bằng cách sử dụng:

string correctXml = input.replace("\\'s", "'s") 

Có thể có cách tương tự để thực hiện tương tự trong Python.