html中css路径和xpath路径,BeautifulSoup提取XPATH或CSS节点的路径

我想从HTML中提取一些数据，然后能够在客户端突出显示提取的元素而无需修改源html。 XPath或CSS Path对此很好。 可以直接从BeautifulSoup中提取XPATH或CSS路径吗？

现在我使用目标元素的标记，然后lxml lib来提取xpath，这对性能非常不利。我知道BSXPath.py - 它不适用于BS4。 由于复杂性，重写所有内容以使用本机lxml库的解决方案是不可接受的。BeautifulSoup提取XPATH或CSS节点的路径

import bs4

import cStringIO

import random

from lxml import etree

def get_xpath(soup, element):

_id = random.getrandbits(32)

for e in soup():

if e == element:

e['data-xpath'] = _id

break

else:

raise LookupError('Cannot find {} in {}'.format(element, soup))

content = unicode(soup)

doc = etree.parse(cStringIO.StringIO(content), etree.HTMLParser())

element = doc.xpath('//*[@data-xpath="{}"]'.format(_id))

assert len(element) == 1

element = element[0]

xpath = doc.getpath(element)

return xpath

soup = bs4.BeautifulSoup('

hello, world!

')

xpath = get_xpath(soup, soup.div.b)

assert '//html/bodydiv/b' == xpath

+1

简答：不，没有现有的方法。你必须自己构建它。 –

2014-09-22 08:31:55