與LXML蟒蛇

小問題解析XHTML，真的在這裏卡住了，我不明白髮生了什麼，我只是想解析從網絡，沒有什麼特別的一個正常的XHTML ...與LXML蟒蛇

這裏的錯誤：

File "class/page.py", line 85, in xslParse 
    doc = lxml.etree.fromstring(self.content) 
    File "lxml.etree.pyx", line 2753, in lxml.etree.fromstring (src/lxml/lxml.etree.c:54647) 
    File "parser.pxi", line 1578, in lxml.etree._parseMemoryDocument (src/lxml/lxml.etree.c:82764) 
    File "parser.pxi", line 1457, in lxml.etree._parseDoc (src/lxml/lxml.etree.c:81562) 
    File "parser.pxi", line 965, in lxml.etree._BaseParser._parseDoc (src/lxml/lxml.etree.c:78232) 
    File "parser.pxi", line 569, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:74488) 
    File "parser.pxi", line 650, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:75379) 
    File "parser.pxi", line 590, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:74712) 
    XMLSyntaxError: StartTag: invalid element name, line 1, column 2

self.content是一個普通的字符串，由http響應給出，沒有乾淨，沒有替換，沒有，只是服務器的響應，所以什麼是fu ..？

的HTML的開始是：

<!doctype html> 
<!-- paulirish.com/2008/conditional-stylesheets-vs-css-hacks-answer-neither/ --> 
<!--[if lt IE 7 ]> <html lang="fr" class="no-js ie6" itemscope itemtype="http://schema.org/Product"> <![endif]--> 
<!--[if IE 7 ]> <html lang="fr" class="no-js ie7" itemscope itemtype="http://schema.org/Product"> <![endif]--> 
<!--[if IE 8 ]> <html lang="fr" class="no-js ie8" itemscope itemtype="http://schema.org/Product"> <![endif]--> 
<!--[if IE 9 ]> <html lang="fr" class="no-js ie9" itemscope itemtype="http://schema.org/Product"> <![endif]--> 
<!--[if (gt IE 9)|!(IE)]><!--> <html lang="en" class="no-js" itemscope itemtype="http://schema.org/Product"> <!--<![endif]--> 
<head>......

一個正常的網頁，爲什麼LXML無法解析正常以及格式化文檔？

來源

2012-08-11 hgates

您是否嘗試過使用'lxml.html.fromstring'而不是'lxml.etree.fromstring'？ – unutbu 2012-08-11 20:19:59

現在就去查看一下！ thx兄 – hgates 2012-08-11 20:36:07

它工作更好thx真的:) – hgates 2012-08-11 20:45:47

<!doctype html>表示它是一個使用HTML語法的HTML5文檔。所以你應該使用HTML（不是XML）分析器。爲了比較，XML文檔可能以<?xml version="1.0" encoding="UTF-8"?>開頭。可以使用lxml.html.fromstring()作爲@unutbu suggested in the comments。

如果您收到了HTTP然後HTML5文檔使用XML語法應該有一個XML媒體類型的頁面，如application/xhtml+xml或application/xml代替例如text/html的HTML語法。

來源

2012-08-11 22:25:16 jfs

複製！事情現在已經清楚了，以爲html文檔也是xml文檔...那麼發送MIME類型LI文本/ html和xml，做瀏覽器，lxml渲染兩種類型的區別是什麼？ – hgates 2012-08-11 22:48:33

HTML和XML是不同的語言;不同的解析器用於解析它們，它們返回具有相似但不同接口的不同對象。 – jfs 2012-08-11 23:23:50

回答

相關問題