Тег разбора Python XPath с апострофом

Question

Я новичок в XPath.Я пытаюсь разобрать страницу с помощью XPath.Мне нужно получить информацию из тега, но избежание апострофа в заголовке все испортило.

Для анализа я использую Grab .

тег из источника:

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

Фактическая XPath:

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

Возвращает

commission:Alfred\\

Есть ли способ исправить это?

Спасибо

Answer 1

Мусор на входе, мусор на выходе.Ваш ввод не является правильным, потому что он неправильно экранирует символ одинарной кавычки.Многие языки программирования (включая Python) используют символ обратной косой черты для экранирования кавычек в строковых литералах.XML нет.Вы должны либо 1) заключить значение атрибута в двойные кавычки;или 2) используйте ' для включения одинарной кавычки .

С спецификации XML :

Чтобы разрешить значения атрибутовсодержат одинарные и двойные кавычки, символ апостроф или одинарная кавычка (') может быть представлен как "'", а символ двойной кавычки (") -" " ".

Answer 2

Поскольку предоставленный «XML» не является правильно сформированным документом из-за вложенных апострофов, выражение XPath не может быть оценено на нем .

Предоставленный не правильно сформированный текст можетисправить на:

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

Если есть странное требование не использовать кавычки, то одно правильное преобразование будет :

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

ЕслиВам предоставлен неправильный ввод, на языке, таком как C #, можно попытаться преобразовать его в его правильный аналог, используя :

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

Возможно, есть аналогичный способ сделать то же самое в Python.