lxml

lxml é um módulo Python sofisticado, poderoso, gratuito e exclusivo que liga as bibliotecas libxml2 e libxslt, permitindo que desenvolvedores de Python para trabalhar tanto com arquivos XML e HTML insider sua Python code.An librarylxml processamento XML é um XML (Extensible Markup Language ) processamento biblioteca escrita na linguagem de programação Python, especificamente projetado para seguir a especificação API ElementTree, tanto quanto possível.
Ele pode estender a API ElementTree para expor a funcionalidade específica das bibliotecas libxslt e libxml2, como Relax NG (Next-Generation), XPath, XML Schema, C14N, XSLT (Extensible Stylesheet Language), etc.Use lxml chamar código Python de stylesheetsDevelopers XSLT será capaz de usar o programa lxml chamar código Python de folhas de estilo XSLT e expressões XPath via funções de extensão. Uma vasta gama de tutoriais estão disponíveis no projeto & rsquo; s homepage (veja o link no final do artigo).
O software é open source por design e combina a integralidade funcionalidade e velocidade das bibliotecas acima mencionados com a simplicidade de Python & rsquo; s API (Application Programming Interface) .Getting começou com lxmlIt é bastante fácil de instalar lxml em uma distribuição GNU / Linux usando o arquivo-fonte distribuído em Softoware eo projeto & rsquo; s site oficial. Basta fazer o download do pacote fonte, salve-o em seu diretório home, descompactá-lo, abra o aplicativo Terminal e navegue até a localização dos ficheiros de arquivo extraído (por exemplo cd /home/softoware/lxml-3.4.1).
Execute o & lsquo; o & rsquo; comando para compilar o programa, que deve levar cerca de 1-2 minutos em um computador moderno. Depois de uma compilação bem-sucedida, execute o & lsquo; make install & rsquo; comando como root ou o & lsquo; sudo make install & rsquo; comando como um usuário privilegiado para instalar wide.Supports sistema lxml GNU / Linux e Microsoft Windows operando systemsThe software é oficialmente suportado em sistemas operacionais GNU / Linux e Microsoft Windows. Ele foi testado com sucesso em computadores de 32 bits e de 64 bits

O que é novo nesta versão:.

• Features acrescentou:
• New gerador htmlfile HTML para acompanhar o incremento API xmlfile serialização. Remendo por Burak Arslan.
• Bugs corrigidos:
• lxml.sax.ElementTreeContentHandler não inicializar sua superclasse.

O que é novo na versão 3.3.1:

• Bugs corrigidos:
• LP # 1014290: documentos HTML analisados ​​com parser.feed () não conseguiu encontrar elementos durante tag iteração
.
• LP # 1273709: Edifício em PyPy falhou devido à falta de apoio para PyUnicode_Compare () e PyByteArray _ * () in C-API do PyPy
.
• LP # 1274413: Compilação em MSVC falhou devido à falta de & quot; stdint.h & quot; arquivo de cabeçalho padrão.
• LP # 1274118: iterparse () falhou ao analisar BOM prefixado arquivos
.

O que é novo na versão 3.0 Alpha 2:

• Características acrescentou:
• O método .iter () de elementos agora aceita argumentos da tag como & quot; {*} nome & quot; na procura de elementos com um determinado nome local em qualquer namespace. Com esta adição, todas as combinações de wildcards agora funciona como esperado: & quot; {ns} nome & quot ;, & quot; {} nome & quot ;, & quot; {*} nome & quot ;, & quot; {ns} * & quot ;, & quot; {} * & quot; e & quot; {*} * & quot ;. Note-se que & quot; nome & quot; é equivalente a & quot; {} nome & quot ;, mas & quot; * & quot; é & quot; {*} * & quot ;. A mesma alteração aplica-se ao .getiterator (), (), .itersiblings .iterancestors (), (), .iterdescendants .iterchildren () e .itertext () métodos: o strip_attributes (), strip_elements () e strip_tags () funções bem como o () classe iterparse.
• C14N permite especificar os prefixos inclusivas para ser promovido a de nível superior durante a serialização exclusivo.
• Bugs corrigidos:
• Passar longas cadeias de caracteres Unicode na interface do analisador de alimentação () não conseguiu ler toda a seqüência.

O que é novo na versão 2.3.5:

• Bater ao mesclar nós de texto em element.remove ( ).
• Bater em analisador sax / target ao relatar doctype vazio.

O que é novo na versão 2.3.4:

• Bater na construção de uma nsmap (propriedade do elemento) com URIs namespace vazio.
• Bater devido à condição de corrida quando os erros (ou mensagens de usuários) ocorrem durante o processamento XSLT roscado.
• XSLT stylesheet compilação poderia ignorar erros de compilação.

O que é novo na versão 2.3.2:

• Características acrescentou:
• lxml.objectify.deannotate () tem uma nova opção cleanup_namespaces boolean para remover as declarações de namespace objetivar (e geralmente limpar as declarações de namespace) após remover as anotações de tipo.
• lxml.objectify ganhou a sua função própria subelemento () como uma cópia do etree.SubElement para evitar uma importação de outro modo redundante de lxml.etree no lado do usuário.
• Bugs corrigidos:
• Corrigido o & quot; descendente & quot; bug em cssselect uma segunda vez (depois de uma primeira correção no lxml 2.3.1). A mudança anterior resultou numa regressão de desempenho sério para a avaliação baseada XPath da expressão traduzida. Note-se que esta quebra o uso de algumas das expressões XPath gerados como XSLT localização caminhos que anteriormente trabalhavam em 2.3.1.
• parsing fixo de alguns seletores em cssselect. Espaços em branco após combinators & quot; & Gt; & quot ;, & quot; + & quot; e & quot; ~ & quot; é agora correctamente ignorado. Anteriormente se foi analisado como um elemento de combinação descendente. Por exemplo, o termo? Div & gt; .foo & quot; Foi analisado o mesmo como? div & gt; * .foo & quot; em vez de & quot; div & gt; .foo & quot;.

O que é novo na versão 2.3.1:

• Características acrescentou:
• Nova opção kill_tags em lxml.html.clean para remover tags específicas e ao seu conteúdo (ou seja, toda a sua sub-árvore).
• pi.get () e pi.attrib em instruções de processamento para analisar pseudo-atributos do conteúdo de texto de instruções de processamento.
• lxml.get_include () retorna uma lista de incluir caminhos que podem ser usados ​​para compilar o código externo C contra lxml.etree. Este é especificamente necessária para lxml estaticamente ligado constrói quando o código precisa compilar contra as exatas mesmas versões de arquivo de cabeçalho como lxml si mesmo.
• Resolver.resolve_file () recebe um close_file opção adicional que configura se o (-como) objeto de arquivo será fechado depois de ler ou não. Por padrão, o arquivo será fechado, como não se espera que o usuário mantenha uma referência a ele.
• Bugs corrigidos:
• limpeza HTML não removeu 'dados:'. Ligações
• A integração parser html5lib agora usa a implementação "oficial" em si html5lib, o que faz com que funcione com as versões mais recentes da biblioteca.
• Em lxml.sax, endElementNS () poderia descartar incorretamente um nome de tag simples quando o evento de início correspondente inferir o mesmo nome de tag simples para estar no namespace padrão.
• Quando um objeto como arquivo aberto é passado para parse () ou iterparse (), o analisador não fecha-lo após o uso. Isso reverte uma mudança na lxml 2.3 onde todos os arquivos seriam fechadas. É de responsabilidade do usuário para fechar corretamente o (-como) objeto de arquivo, também em casos de erro.
• erro de declaração em lxml.html.cleaner quando descartar elementos de nível superior.
• Em lxml.cssselect, utilize o XPath 'A // B "(abreviação de' A / nó descendente-or-self :: () / B") em vez de "A / descendente :: B 'para o css seletor descendente ('A B'). Isso faz com que alguns casos de ponta para ser coerente com o comportamento selector em WebKit e Firefox, e faz mais expressões CSS caminhos de locais válidos (para uso em xsl: template match).
• Em lxml.html, as tags não selecionados já não aparecem nos valores do formulário recolhidos.
• Adicionar / remover valores de / para um campo de formulário de escolha múltipla seleciona-los corretamente e unselects-los.
• Outras alterações:
• estático constrói pode especificar o diretório de download com a opção --download-dir.

O que é novo na versão 2.3:

• Características acrescentou:
• Ao olhar para as crianças, lxml.objectify leva '{} tag' no sentido de um namespace vazio, ao contrário do namespace pai.
• Bugs corrigidos:
• Quando terminar de ler a partir de um objeto como arquivo, o analisador imediatamente chama seu método .close ().
• Ao terminar a análise, iterparse () fecha imediatamente o arquivo de entrada.
• Work-around para libxml2 bug que pode deixar o analisador HTML em um estado não-funcional após analisar um documento quebrado severamente (fixo em libxml2 2.7.8).

Marquise
• tag marque no código de limpeza HTML tem o nome correcto.
• Outras alterações:
• Algumas funções públicas na de nível Cython C-API têm tipos de retorno mais explícitas.

O que é novo na versão 2.2.8 / 2.3 Beta 1:

• Bater em versões mais recentes libxml2 quando elementos entre os documentos que tinham atributos em nós XInclude substituídos em movimento.
• função XMLID () estava faltando os parâmetros do analisador e base_url opcionais.
• Busca por tags de curinga em iterparse () foi quebrado em PY3.
• lxml.html.open_in_browser () não funcionou em Python 3, devido ao uso de os.tempnam. Agora leva um parâmetro opcional 'encoding'.

Requisitos :

• Python