lxml解析包（二）:对于xpath中含有命名空间的xml文件解析

1.问题：

有以下xml文件，当我想提取< itunes:episode >标签内容

<item>
       <title>姑苏城里写代码title>
       <itunes:episode>58itunes:episode>
       <pubDate>Tue, 31 Dec 2019 06:55:00 CDTpubDate>
       <description>
       		<p>本期由 Galway 主持，请到了一位在苏州工作的朋友，聊聊为什么离开大城市，以及苏州的工作生活。p>
            <ul>
                <li>哈哈哈li>
                <li>嘻嘻嘻li>
                <li>嘿嘿嘿li>
            ul>
        description>   
item>

当我使用常用的xpath方法提取的时候

from lxml import etree

html = etree.HTML(a)
num = html.xpath('//itunes:episode')
print(num)

结果：

2.解决：三种提取方法

对于此类问题，经过查询是命名空间问题，详情见文章：xpath的命名空间

方法1.

a = '''
 
       
       58
       Tue, 31 Dec 2019 06:55:00 CDT
       
       		
本期由 Galway 主持，请到了一位在苏州工作的朋友，聊聊为什么离开大城市，以及苏州的工作生活。
            

                
哈哈哈
                
嘻嘻嘻
                
嘿嘿嘿
            
           

'''

from lxml import etree

html = etree.HTML(a)
num = html.xpath('//episode/text()')
print(num)

---

方法2.

在scrapy中使用

num = html.xpath("*[contains(name(), 'itunes:episode/text()")

---

方法3.

在scrapy中，xml为获取的response.text

from lxml import etree
dom = etree.XML(xml)
aid = dom.xpath('//itunes:episode/text()', namespaces=dom.nsmap)
print(aid)

参考文章：https://stackoverflow.com/questions/24038744/namespace-error-lxml-xpath-python