Python无法使用xpath解析带命名空间的html标签

Question

问题遇到的现象和发生背景

在爬虫时遇到带命名空间的html标签mm:beginlock与mm:endlock，无法使用xpath解析内容

问题相关代码，请勿粘贴截图

下为html结构

<mm:beginlock translatorclass="xx" type="xx" orig="%3C!--#include file=%22xx.inc%22--%3E" fileref="xx.inc" depfiles="file://///xx.xx.xx.xx/d$/bb/zz/xx.inc"><meta http-equiv="Content-Type" content="text/html; charset=gb2312">
    <mm:endlock>...</mm:endlock>
</mm:beginlock>

下为爬虫代码

html = requests.get(url, headers=header)
selector = etree.HTML(html.text)
print(date_temp = selector.xpath('/html/body/mm:beginlock/mm:endlock/table/tbody/tr[2]/td[1]/text()'))

运行结果及报错内容

报错：lxml.etree.XPathEvalError: Undefined namespace prefix

我的解答思路和尝试过的方法

上网查询得知是xpath命名空间导致的，采用了两种方法仍未解决
1.忽略命名空间

html = requests.get(url, headers=header)
selector = etree.HTML(html.text)
print(selector.xpath('/html/body//*[name() = "mm:beginlock"]//*[name() = "mm:endlock"]/table/tbody/tr[2]/td[1]/text()))

输出结果：[]
2.节点前加命名空间的前缀

html = requests.get(url, headers=header)
selector = etree.HTML(html.text)
print(selector.xpath('/html/body/mm:beginlock/mm:endlock/table/tbody/tr[2]/td[1]', namespaces={"mm"="mm:"}))

编译器第三行标红报错：Cannot assign to function call

我想要达到的结果

用xpath解析带命名空间的html标签

Answer 1

xml.etree.ElementTree --- ElementTree XML API
基本库了解一下

解析带有命名空间的 XML
如果 XML 输入带有 命名空间，则具有前缀的 prefix:sometag 形式的标记和属性将被扩展为
{uri}sometag，其中 prefix 会被完整 URI 所替换。并且，如果存在 默认命名空间，则完整 URI 会
被添加到所有未加前缀的标记之前。
下面的 XML 示例包含两个命名空间，一个具有前缀”fictional” 而另一个则作为默认命名空间:
<?xml version="1.0"?>
<actors xmlns:fictional="http://characters.example.com"
xmlns="http://people.example.com">
<actor>
<name>John Cleese</name>
<fictional:character>Lancelot</fictional:character>
<fictional:character>Archie Leach</fictional:character>
</actor>
<actor>
<name>Eric Idle</name>
<fictional:character>Sir Robin</fictional:character>
<fictional:character>Gunther</fictional:character>
<fictional:character>Commander Clement</fictional:character>
</actor>
</actors>
搜索和探查这个 XML 示例的一种方式是手动为find() 或findall() 的 xpath 中的每个标记或属性添
加 URI:
root = fromstring(xml_text)
for actor in root.findall('{http://people.example.com}actor'):
name = actor.find('{http://people.example.com}name')
print(name.text)
for char in actor.findall('{http://characters.example.com}character'):
print(' |-->', char.text)
一种更好的方式是搜索带命名空间的 XML 示例创建一个字典来存放你自己的前缀并在搜索函数中使用
它们:
ns = {'real_person': 'http://people.example.com',
'role': 'http://characters.example.com'}
for actor in root.findall('real_person:actor', ns):
name = actor.find('real_person:name', ns)
print(name.text)
for char in actor.findall('role:character', ns):
print(' |-->', char.text)